import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
def func(x, a, b, c):
return a * np.exp(-b * x) + c
x = [333,500,1000,2000,5000,10000]
y = [195.3267, 233.0235, 264.5914,294.8728, 328.3523,345.4688]
popt, pcov = curve_fit(func, x, y)
plt.figure()
plt.plot(x, y, 'ko', label="Original Noised Data")
plt.plot(x, func(x, *popt), 'r-', label="Fitted Curve")
plt.legend()
plt.show()
错误:C:\Users\Aidan\Anaconda3\lib\site-packages\scipy\optimize\minpack.py:794:OptimizeWarning:无法估计参数的协方差
类别=OptimizeWarning)-------------------------------------------------- ------------------------- TypeError Traceback (最近调用 last) in () 14 plt.figure() 15 plt.plot(x, y , 'ko', label="原始噪声数据") ---> 16 plt.plot(x, func(x, *popt), 'r-', label="拟合曲线") 17 plt.legend() 18 plt.show()
in func(x, a, b, c) 4 5 def func(x, a, b, c): ----> 6 return a * np.exp(-b * x) + c 7 8 x = [ 333,500,1000,2000,5000,10000]
类型错误:'numpy.float64' 对象不能解释为整数
出于某种原因,我无法根据我的数据得到曲线拟合。我正在关注这里的指数示例:如何在 Python 中进行指数和对数曲线拟合?我发现只有多项式拟合
但是我使用的是两个数组而不是随机数据。我是蟒蛇的新手!
您的代码存在一些问题。
numpy.ndarray
:numpy
和scipy
例程旨在numpy.ndarray
使用它们并且它们在内部使用它们。你也应该使用它们。np.exp(-1000)
在 Python3 中已经近似为零以下代码暂时解决了所有这些问题:
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
def func(x, a, b, c):
return a * (1 - np.exp(-b * x)) + c
x = np.array([333.0,500.0,1000.0,2000.0,5000.0,10000.0]) / 1000
y = np.array([195.3267, 233.0235, 264.5914,294.8728, 328.3523,345.4688]) / 10
popt, pcov = curve_fit(func, x, y)
print(popt)
plt.figure()
plt.plot(x, y, 'ko', label="Original Noised Data")
plt.plot(x, func(x, *popt), 'r-', label="Fitted Curve")
plt.legend()
plt.show()
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句