curve_fit拟合高斯函数

使用 `curve_fit` 可以拟合高斯函数，具体步骤如下：

1. 导入需要的库

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

2. 定义高斯函数

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

其中，`a`、`b`、`c` 分别是高斯函数的振幅、均值和标准差。

3. 生成样本数据

x = np.linspace(-5, 5, 101)
y = gaussian(x, 1, 0, 1) + 0.2 * np.random.randn(len(x))

其中，`x` 是自变量，`y` 是因变量。这里生成了一个带有噪声的高斯函数。

4. 使用 `curve_fit` 进行拟合

popt, pcov = curve_fit(gaussian, x, y)

其中，`popt` 是拟合出来的参数值，`pcov` 是协方差矩阵。

5. 绘制拟合结果

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

效果如下图所示：


可以看到，拟合结果很好地还原了原始高斯函数。