python 散点高斯拟合代码

在Python中，你可以使用matplotlib库中的scatter函数绘制散点图，然后利用scipy.optimize库中的curve_fit函数来对数据进行高斯分布拟合。以下是一个简单的例子：

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

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

# 假设我们有如下散点数据
data = np.random.normal(size=100)  # 示例数据，实际数据应来自你的实验或测量
x_data = np.linspace(min(data), max(data), len(data))  # x轴范围

# 使用curve_fit进行拟合
params, _ = curve_fit(gaussian, x_data, data)

# 计算拟合曲线
y_fit = gaussian(x_data, params[0], params[1], params[2])

# 绘制散点图和拟合线
plt.scatter(x_data, data, label='Data')
plt.plot(x_data, y_fit, 'r', label='Fit', linewidth=2)
plt.legend()
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Scatter plot with Gaussian fit')
plt.show()