python 曲线拟合

Python中可以使用numpy库中的polyfit函数进行曲线拟合。该函数可以拟合出给定数据点的多项式函数，包括二次曲线拟合。

下面是一个拟合二次曲线并找出最大点/对称点坐标的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 模拟生成一组实验数据
x = np.arange(0,10,0.2)
y = -(x-3.5)**2 + 4.7
noise = np.random.uniform(-3,3,len(x))
y = y + noise

# 二次拟合
coef = np.polyfit(x, y, 2)
y_fit = np.polyval(coef, x)

# 找出峰值/对称点
if coef != 0:
    x0 = -0.5 * coef / coef

相关问题

Python曲线拟合

Python中可以使用scipy库的curve_fit()函数来进行曲线拟合。该函数可以通过非线性最小二乘法将给定函数拟合到数据上。函数的参数包括要拟合的函数（f）、x轴数据（xdata）、y轴数据（ydata）以及初始参数值（p0）。

例如，可以使用numpy库的polyfit()函数来进行一元二次多项式拟合。首先，需要导入所需的库并定义数据集ti和yi。然后，可以使用polyfit()函数对ti和yi进行二次多项式拟合，将结果保存在z1中。

另外，还可以使用matplotlib库将拟合结果可视化。需要通过导入相应的库并定义x轴和y轴的数据。接着，可以定义一个拟合函数（func）及其参数（a、b、c）。然后，使用curve_fit()函数对x和y进行拟合，将结果保存在popt和pcov中。最后，使用拟合函数及其参数绘制拟合曲线，并通过scatter()和plot()函数将原始数据和拟合曲线绘制在同一张图上。

这样，我们就可以使用Python进行曲线拟合了。

Python 曲线拟合

在 Python 中，有许多库可以用来进行曲线拟合。其中比较常用的是 NumPy 和 SciPy 库。下面介绍一种基于 SciPy 库的曲线拟合方法。

首先，需要导入 numpy 和 scipy 库：

import numpy as np
from scipy.optimize import curve_fit

然后，定义一个函数来表示要拟合的曲线。例如，假设要拟合的曲线是一个二次函数：

def func(x, a, b, c):
    return a * x**2 + b * x + c

其中，x 是自变量，a、b、c 是要拟合的参数。

接下来，准备数据。假设有一组 x 和 y 的数据：

x_data = np.array([0, 1, 2, 3, 4, 5])
y_data = np.array([1.1, 2.3, 3.5, 4.7, 5.9, 7.1])

然后，调用 curve_fit 函数进行曲线拟合：

popt, pcov = curve_fit(func, x_data, y_data)

其中，popt 是拟合出的参数，pcov 是协方差矩阵。

最后，可以用拟合出的参数来绘制拟合曲线：

import matplotlib.pyplot as plt

x_fit = np.linspace(0, 5, 100)
y_fit = func(x_fit, *popt)
plt.plot(x_fit, y_fit, 'r-', label='fit')
plt.scatter(x_data, y_data, label='data')
plt.legend()
plt.show()

这样就完成了曲线拟合，并且将拟合曲线和原始数据绘制在同一张图上。