python中高斯拟合代码

在Python中，可以使用SciPy库来实现高斯拟合。以下是一个简单的高斯拟合代码示例：

import numpy as np
from scipy.optimize import curve_fit

# 定义高斯函数
def gaussian(x, amplitude, mean, stddev):
    return amplitude * np.exp(-((x - mean) / stddev) ** 2)

# 生成示例数据
x = np.linspace(0, 10, 100)
y = gaussian(x, 3, 5, 0.5) + np.random.normal(0, 0.2, len(x))  # 添加噪声

# 进行拟合
initial_guess = [1, 1, 1]  # 初始猜测参数
params, params_covariance = curve_fit(gaussian, x, y, p0=initial_guess)

# 输出拟合参数
print("拟合参数：")
print("振幅 =", params[0])
print("均值 =", params[1])
print("标准差 =", params[2])

在上述代码中，首先定义了一个高斯函数 `gaussian(x, amplitude, mean, stddev)`。然后，使用numpy生成了一些示例数据，其中包含了噪声。接下来，使用`curve_fit`函数进行拟合，传入了待拟合的数据(`x`和`y`)以及初始猜测参数(`p0=initial_guess`)。最后，打印输出了拟合得到的参数。

请注意，这只是一个简单的示例代码，实际应用中可能需要根据具体情况进行调整和优化。