python椭圆拟合代码示例，不同scikit

在Python中，我们可以使用`scipy.optimize.curve_fit`函数来进行椭圆拟合。这个函数属于`scipy.optimize`模块，它能够基于最小二乘法找到数据点的最佳曲线拟合。以下是使用`scipy`库进行椭圆拟合的简单代码示例：

from scipy.optimize import curve_fit
import numpy as np

# 定义椭圆方程 (a * x**2 + b * y**2 = 1)
def ellipse_func(x, y, a, b):
    return a * x**2 + b * y**2 - 1

# 假设我们有如下数据点
data_x = np.array([0, 1, 2, 1, 0])  # 横坐标
data_y = np.array([1, 0, 0, -1, -2])  # 纵坐标

# 使用curve_fit进行拟合
params, _ = curve_fit(ellipse_func, data_x, data_y)

# 输出拟合参数（长半轴a和短半轴b）
a, b = params
print(f"长半轴a: {a}, 短半轴b: {b}")

# 可视化拟合结果
import matplotlib.pyplot as plt
plt.scatter(data_x, data_y, label='数据')
x_values = np.linspace(min(data_x), max(data_x), 400)  # 新的数据点用于绘制拟合曲线
y_values = ellipse_func(x_values, 0, a, b)
plt.plot(x_values, y_values, 'r', label='拟合曲线')
plt.legend()
plt.show()