python numpy / scipy曲线拟合

问题描述

我建议您从简单的多项式拟合开始，scipy.optimize.curve_fit尝试将f必须知道的函数拟合到一组点上。

这是使用numpy.polyfit和的简单3度多项式拟合poly1d，第一个执行最小二乘多项式拟合，第二个计算新点：

import numpy as np
import matplotlib.pyplot as plt

points = np.array([(1, 1), (2, 4), (3, 1), (9, 3)])
# get x and y vectors
x = points[:,0]
y = points[:,1]

# calculate polynomial
z = np.polyfit(x, y, 3)
f = np.poly1d(z)

# calculate new x's and y's
x_new = np.linspace(x[0], x[-1], 50)
y_new = f(x_new)

plt.plot(x,y,'o', x_new, y_new)
plt.xlim([x[0]-1, x[-1] + 1 ])
plt.show()

解决方法

我有一些要点，我正在努力为这些要点拟合曲线。我知道有scipy.optimize.curve_fit功能，但是我不了解文档，即如何使用此功能。

我的观点： np.array([(1,1),(2,4),(3,(9,3)])

有人可以解释该怎么做吗？