我对Scipy curve_fit的使用似乎效果不好

Question

我试图用Scipy curve_fit将我的数据拟合成高斯。不幸的是，curve_fit返回1,1,1。

Kp4=fnamer4[615:645] 
xk=np.arange(0,1024,1)[615:645] 

def func(x, a, x0, sigma): 
return a*np.exp(-(x-x0)**2/(2*sigma**2)) 
popt, pcov = curve_fit(func, xk, Kp4) 
print (popt) 
Kp4_fit= func(xk, popt[0], popt[1], popt[2]) 
plt.plot(xk, Kp4_fit, 'r',xk, Kp4, 'bs') 

KP4等于

>>> Kp4 
array([23, 27, 20, 26, 22, 22, 26, 29, 32, 19, 34, 26, 29, 24, 32, 41, 27, 
    39, 33, 30, 30, 30, 26, 39, 30, 21, 17, 16, 17, 14]) 

打印POPT的输出是[ 1. 1. 1.] 我以前也试过很多不同的数据curve_fit，它工作得很好。也许问题是curve_fit不能适应高斯函数的数据？！ 感谢您的帮助。

我使用的curve_fit的概念是基于一个例子，从波纹管链接： http://python4esac.github.io/fitting/examples1d.html

Answer 1

你要通过对POPT初始猜测，否则契合开始[1,1,1]作为初始猜测，这对你的数据集来说很差！

下面给出了合理的结果对我来说：

popt, pcov = curve_fit(func, xk, Kp4, p0=[20,630,5]) 

初步猜测可能是[np.mean(Kp4), np.mean(xk),5*(max(xk)-min(xk))/len(xk)]，有一个总体的出发点。

不要忘记把plt.show()或类似的东西放在最后。