3
我试图将指数律应用到我的数据中。我的(x,y)
样本是相当复杂的解释,所以为了一般的理解和再现性,我会说:这两个变量是float
和continuous
,0<=x<=100
和0<=y<=1
。错误的图表scipy.optimize.curve_fit(类似于移动平均数)
from scipy.optimize import curve_fit
import numpy
import matplotlib.pyplot as plt
#ydata=[...] is my list with y values, which contains 0 values
#xdata=[...] is my list with x values
transf_y=[]
for i in range(len(ydata)):
transf_y.append(ydata[i]+0.00001) #Adding something to avoid zero values
x=numpy.array(xdata,dtype=float)
y=numpy.array(transf_y,dtype=float)
def func(x, a, c, d):
return a * numpy.exp(-c*x)+d
popt, pcov = curve_fit(func, x, y,p0 = (1, 1e-6, 1))
print ("a = %s , c = %s, d = %s" % (popt[0], popt[1], popt[2]))
xx = numpy.linspace(300, 6000, 1000)
yy = func(xx, *popt)
plt.plot(x,y,label='Original Data')
plt.plot(xx, yy, label="Fitted Curve")
plt.legend(loc='upper left')
plt.show()
现在我的拟合曲线看起来不像拟合的指数曲线。相反,它看起来像一条移动平均曲线,就好像这条曲线在Excel上添加为趋势线一样。 可能是什么问题?如果有必要,我会找到一种方法来使数据集可用,使示例可重现。
这是我走出我的代码(我甚至不知道为什么我的传说越来越三个要素,而只有两个绘制,至少表面上):
所以唯一的大问题是我的数据没有排序。我真的认为这是自动完成的。我真的错了。 – FaCoffee
是的。而这只是一种混乱的情节,配件是好的。 –