curve_fit拟合高斯函数

使用 `scipy.optimize.curve_fit` 可以拟合高斯函数。

首先，导入必要的库：

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

然后，定义高斯函数：

def gaussian(x, a, b, c):
    return a * np.exp(-(x - b)**2 / (2 * c**2))

其中，参数 `a` 是高斯函数的峰值，参数 `b` 是高斯函数的中心位置，参数 `c` 是高斯函数的标准差。

接着，生成一些数据并添加一些噪声：

xdata = np.linspace(-5, 5, 500)
ydata = gaussian(xdata, 1, 0, 1) + 0.2 * np.random.normal(size=len(xdata))

使用 `curve_fit` 进行拟合：

popt, pcov = curve_fit(gaussian, xdata, ydata)

其中，`popt` 是拟合后的参数值，`pcov` 是协方差矩阵。

最后，绘制拟合结果：

plt.plot(xdata, ydata, 'b-', label='data')
plt.plot(xdata, gaussian(xdata, *popt), 'r-', label='fit')
plt.legend()
plt.show()

完整代码如下：

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

def gaussian(x, a, b, c):
    return a * np.exp(-(x - b)**2 / (2 * c**2))

xdata = np.linspace(-5, 5, 500)
ydata = gaussian(xdata, 1, 0, 1) + 0.2 * np.random.normal(size=len(xdata))

popt, pcov = curve_fit(gaussian, xdata, ydata)

plt.plot(xdata, ydata, 'b-', label='data')
plt.plot(xdata, gaussian(xdata, *popt), 'r-', label='fit')
plt.legend()
plt.show()