python二元函数拟合

在 Python 中进行二元函数拟合，可以使用 `scipy.optimize.curve_fit` 函数。

首先，我们需要定义自己的二元函数模型，例如，我们可以定义一个二元高斯函数模型：

import numpy as np

def gauss2d(xy, a, b, c, d, e):
    x, y = xy
    return a * np.exp(-((x-b)**2/(2*c**2) + (y-d)**2/(2*e**2)))

其中，`a`、`b`、`c`、`d`、`e` 分别是高斯函数的参数，`xy` 是自变量。

然后，我们可以使用 `curve_fit` 函数进行拟合，例如，我们有一些数据 `data`，其中 `x` 和 `y` 是自变量，`z` 是因变量：

from scipy.optimize import curve_fit

x, y = np.meshgrid(np.arange(data.shape[1]), np.arange(data.shape[0]))
xdata = np.column_stack((x.flatten(), y.flatten()))
ydata = data.flatten()

我们可以使用 `curve_fit` 函数进行拟合：

p0 = [1, 1, 1, 1, 1] # 初始参数
popt, pcov = curve_fit(gauss2d, xdata, ydata, p0)

其中，`p0` 是拟合的起始点，可以根据实际情况进行调整。`popt` 是拟合得到的参数，`pcov` 是协方差矩阵。

最后，我们可以使用 `gauss2d` 函数和拟合得到的参数绘制拟合结果：

import matplotlib.pyplot as plt

Z = gauss2d((x, y), *popt)
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
ax.plot_surface(x, y, Z)
plt.show()

其中，`ax.plot_surface(x, y, Z)` 绘制了拟合后的二元函数曲面。