我有两个数组 - x 和 y - 对应于笛卡尔平面中的坐标 (x,y)。例如,使用 matplotlib 中的 scatter 函数 (plt.scatter(x,y))(到目前为止,我正在尝试解决我使用 Python 的问题),我得到以下结果:
我真正需要的是从这些数据中得到一个隐式函数f(x,y),或者至少从一个近似函数f(x,y)中得到系数> 。到目前为止,我尝试使用 curve_fitfunction from scipy.optimize按照建议here ,但我收到以下错误消息:
OptimizeWarning: Covariance of the parameters could not be estimated category=OptimizeWarning)
到目前为止,这是我的代码:
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import scipy as sy
import pylab as plb
def func(x, a, b, c):
return a*x**b + c
def main():
file = open('firstcurve.out')
lines = file.read().split('\n')
file.close()
x = []
y = []
for item in lines:
if len(item) > 0:
numbers = item.split(",")
x = x + [float(numbers[0])]
y = y + [float(numbers[1])]
p0 = sy.array([1,1,1])
coeffs, matcov = curve_fit(func, x, y, p0)
yaj = func(x, coeffs[0], coeffs[1], coeffs[2])
plt.plot(x,yaj,'r-')
plt.show()
main()
非常感谢任何帮助或建议!
PS:我正在尝试用 Python 来完成,但如果有任何工具可以满足我的需要,MatLab 也是一种选择。我尝试使用 SLM ToolKit但效果不佳。
请您参考如下方法:
与其说这是一个编码问题,不如说这是一个数学问题。你不能在 python 中使用曲线拟合函数,因为它正在寻找它正在寻找一个函数,即你不能为同一个 X 设置两个单独的 Y。
如果可能,您可以尝试的一件事是定义参数函数
x = f(t)
y = g(t)
并使用曲线拟合函数来拟合 x 和 y 与 t。如果您以这种方式表示,则可以使用平滑样条曲线来进行拟合。
https://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.UnivariateSpline.html
