Python scipy curve_fit指数方程式不符合预期

Question

我有一些我想拟合指数的数据，该数据并不理想，但是当使用JMP的内置曲线拟合函数时，它可以按预期工作，并且我可以很好地近似我的数据（请参见下面的图，JMP拟合曲线指数3P）。

JMP Fit Curve Exponential 3P

我知道尝试使用python库scipy.optimize和here中描述的curve_fit函数来复制它。但是，这产生了截然不同的曲线，请参见下面。

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

df = pd.read_csv('test.csv', sep = ',' ,index_col = None, engine='python')

def exponential_3p(x, a, b, c):
    return a + b * np.exp(c * x) 

popt, pcov = curve_fit(exponential_3p,df.x,df.y)

a = popt[0] 
b = popt[1]
c = popt[2]

plt.plot(df.x,df.y)
plt.plot(df.x,exponential_3p(df.x, a, b, c))

scipy optimize.curve_fit Exponential

Answer 1

您还是scipy.optimize.curve_fit不可理解的愚蠢的另一个受害者。