scipy.optimize.curve_fit 的图表错误（类似于移动平均线）

Question

我正在尝试将指数定律拟合到我的数据中。我的

(x,y)

样本解释起来相当复杂，因此为了一般理解和可重复性，我会说：两个变量都是

float

和

continuous

、

0<=x<=100

和

0<=y<=1

。

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

#ydata=[...] is my list with y values, which contains 0 values
#xdata=[...] is my list with x values

transf_y=[]
for i in range(len(ydata)):
    transf_y.append(ydata[i]+0.00001) #Adding something to avoid zero values

x=numpy.array(xdata,dtype=float)
y=numpy.array(transf_y,dtype=float)

def func(x, a, c, d):
    return a * numpy.exp(-c*x)+d

popt, pcov = curve_fit(func, x, y,p0 = (1, 1e-6, 1))

print ("a = %s , c = %s, d = %s" % (popt[0], popt[1], popt[2]))

xx = numpy.linspace(300, 6000, 1000)
yy = func(xx, *popt)

plt.plot(x,y,label='Original Data')
plt.plot(xx, yy, label="Fitted Curve")

plt.legend(loc='upper left')
plt.show()

现在我的拟合曲线看起来一点也不像拟合指数曲线。相反，它看起来像一条移动平均曲线，就好像该曲线被添加为 Excel 中的趋势线一样。 可能是什么问题？如果有必要，我会找到一种方法来提供数据集，以使示例可重现。

这就是我从代码中得到的结果（我什至不知道为什么我在图例中得到了三个元素，而只绘制了两个元素，至少显然是这样）：

Answer 1

1. 你的图描绘了两次原始数据，没有明显的拟合数据
2. 你的数据似乎没有排序，我想这就是你得到 zickzack 线的原因
3. 在您的示例中，您的预测图将在 300 到 6000 之间，而您的原始数据为 0<=x<=100

除此之外，你的代码是正确的。

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

xdata=[100.0, 0.0, 90.0, 20.0, 80.0] #is my list with y values, which contains 0 values - edit, you need some raw data which you fit, I inserted some
ydata=[0.001, 1.0, 0.02, 0.56, 0.03] #is my list with x values

transf_y=[]
for i in range(len(ydata)):
    transf_y.append(ydata[i]+0.00001) #Adding something to avoid zero values

x1=numpy.array(xdata,dtype=float)
y1=numpy.array(transf_y,dtype=float)

def func(x, a, c, d):
    return a * numpy.exp(-c*x)+d

popt, pcov = curve_fit(func, x1, y1,p0 = (1, 1e-6, 1))

print ("a = %s , c = %s, d = %s" % (popt[0], popt[1], popt[2]))

#ok, sorting your data
pairs = []
for i, j in zip(x1, y1):
    pairs.append([i,j])

sortedList = sorted(pairs, key = lambda x:x[0])
sorted_x = numpy.array(sortedList)[:,0]
sorted_y = numpy.array(sortedList)[:,1]


#adjusting interval to the limits of your raw data
xx = numpy.linspace(0, 100.0, 1000)
yy = func(xx, *popt)


#and  everything looks fine
plt.plot(sorted_x,sorted_y, 'o',label='Original Data')
plt.plot(xx,yy,label='Fitted Data')

plt.legend(loc='upper left')
plt.show()