在强制曲线形状的同时拟合数据点

Question

我正在尝试用多项式曲线拟合二维数据点； 见下图。 蓝点是数据。 蓝色，虚线是一个2^阶多项式拟合到这些点。 我想强制我的拟合具有与黑线完全相同的形状，并且我想从黑色曲线计算新拟合的 y 偏移量。 关于这如何可能的任何想法？ 提前致谢。

x = np.linspace(6.0,12.0,num=100)

a = -0.0864
b = 11.18
c = 9.04
fit_y = a*(x - b)**2 + c # black line

z = np.polyfit(data_x,data_y,2)

zfit=z[2]+z[1]*x+z[0]*x**2

fig, ax = plt.subplots()
ax.plot(data_x,data_y,'.',color='b')
ax.plot(x,fit_y,color='black') #curve of which we want the shape
ax.plot(x,zfit,color='blue',linestyle='dashed') #polynomial fit
ax.set_xlim([6.5,11.0])
ax.set_ylim([6.5,10.5])
plt.show()

编辑：这是我的问题的解决方案：

x = np.linspace(6.0,12.0,num=100)

# We want to keep a and b fixed to keep the same shape
# a = -0.0864     
# b = 11.18
c = 9.04

#Only c is a variable because we only want to shift the plot on the y axis
def f(x, c):
    return -0.0864*(x - 11.18)**2 + c

popt, pcov = curve_fit(f, data_x, data_y)  # popt are the fitted parameters

plt.plot(data_x, data_y,'.') #blue data points
plt.plot(x,f(x, c),'black') #black line, this is the shape we want our fit to have

plt.plot(x, f(x, *popt), 'red')  # new fitted line to the data (with same shape as black line)

plt.xlim([6.5,11.0])
plt.ylim([6.5,10.5])

plt.show()

print("y offset:", popt[0] - c)

y 偏移量：0.23492393887717355

解决方案

Answer 1

您想使用scipy.optimize.curve_fit 。 正如您在文档中看到的那样，您可以使用要拟合的参数定义自己的函数fit_y 。 拟合完成后，您可以简单地计算x=0的函数来计算 y 偏移量（相对于原点？）。 下面我将向您展示我使用根函数的示例代码（这是您的黑色曲线的样子）：

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt

def f(x, a, b, c):
    return a * np.power(x, b) + c


x_data = np.arange(100)
noise = np.random.normal(size=100)
y_data = np.power(x_data, 0.5) + noise
y = f(x_data, 1, 2, 0.3)  # random values to initialize the fit
popt, _ = curve_fit(f, x_data, y_data)  # popt are the fitted parameters

plt.scatter(x_data, y_data)
plt.plot(x_data, f(x_data, *popt), 'r')  # fitted line
plt.show()

print("y offset:", f(0, *popt))

我没有足够的声誉来发布情节，但只需运行代码即可查看自己。