scipy 拟合曲线的卡方值

scipy库中的optimize.curve_fit()函数可以用于拟合曲线，并返回拟合结果的卡方值。该函数的用法如下：

import numpy as np
from scipy.optimize import curve_fit

# 定义拟合函数
def func(x, a, b, c):
    return a * np.exp(-b * x) + c

# 定义实际数据
x = np.linspace(0, 10, 100)
y = func(x, 2.5, 1.3, 0.5)

# 添加噪声
np.random.seed(0)
y_noise = 0.2 * np.random.normal(size=x.size)
ydata = y + y_noise

# 进行曲线拟合
popt, pcov = curve_fit(func, x, ydata)

# 计算卡方值
residuals = ydata - func(x, *popt)
chisq = np.sum((residuals / y_noise) ** 2)

print("拟合结果：", popt)
print("卡方值：", chisq)

在上述代码中，我们首先定义了要拟合的函数`func`，然后生成了一组带有噪声的实际数据。接下来，使用`curve_fit`函数进行曲线拟合，得到拟合参数`popt`和协方差矩阵`pcov`。最后，通过计算残差的平方和除以噪声的平方和，得到卡方值`chisq`。

请注意，拟合曲线的函数`func`需要根据实际情况进行定义，并且输入的数据`x`和`ydata`需要是一维数组。