python 对任意数据和曲线进行拟合并求出函数表达式的三种解决方案
第一种是进行多项式拟合，数学上可以证明，任意函数都可以表示为多项式形式。具体示例如下。
###拟合年龄
importnumpyasnp
importmatplotlib.pyplotasplt
#定义x、y散点坐标
x=[10,20,30,40,50,60,70,80]
x=np.array(x)
print('xis:\n',x)
num=[174,236,305,334,349,351,342,323]
y=np.array(num)
print('yis:\n',y)
#用3次多项式拟合
f1=np.polyfit(x,y,3)
print('f1is:\n',f1)
p1=np.poly1d(f1)
print('p1is:\n',p1)
#也可使用yvals=np.polyval(f1,x)
yvals=p1(x)#拟合y值
print('yvalsis:\n',yvals)
#绘图
plot1=plt.plot(x,y,'s',label='originalvalues')
plot2=plt.plot(x,yvals,'r',label='polyfitvalues')
plt.xlabel('x')
plt.ylabel('y')
plt.legend(loc=4)#指定legend的位置右下角
plt.title('polyfitting')
plt.show()
2。第一种方案是给出具体的函数形式(可以是任意的，只要你能写的出来下面的func就是)，用最小二乘的方式去逼近和拟合，求出函数的各项系数，如下。
##使用curve_fit
importnumpyasnp
importmatplotlib.pyplotasplt
fromscipy.optimizeimportcurve_fit
#自定义函数e指数形式
deffunc(x,a,b,c):
returna*np.sqrt(x)*(b*np.square(x)+c)
#定义x、y散点坐标
x=[20,30,40,50,60,70]
x=np.array(x)
num=[453,482,503,508,498,479]
y=np.array(num)
#非线性最小二乘法拟合
popt,pcov=curve_fit(func,x,y)
#获取popt里面是拟合系数
print(popt)
a=popt[0]
b=popt[1]
c=popt[2]
yvals=func(x,a,b,c)#拟合y值
print('popt:',popt)
print('系数a:',a)
print('系数b:',b)
print('系数c:',c)
print('系数pcov:',pcov)
print('系数yvals:',yvals)
#绘图
plot1=plt.plot(x,y,'s',label='originalvalues')
plot2=plt.plot(x,yvals,'r',label='polyfitvalues')
plt.xlabel('x')
plt.ylabel('y')
plt.legend(loc=4)#指定legend的位置右下角
plt.title('curve_fit')
plt.show()
拟合高斯分布的方法。
#encoding=utf-8
importnumpyasnp
importmatplotlib.pyplotasplt
fromscipy.optimizeimportcurve_fit
importpandasaspd
#自定义函数e指数形式
deffunc(x,a,u,sig):
returna*(np.exp(-(x-u)**2/(2*sig**2))/(math.sqrt(2*math.pi)*sig))*(431+(4750/x))
#定义x、y散点坐标
x=[40,45,50,55,60,65,70,75,80,85,90,95,100,105,110,115,120,125,130,135]
x=np.array(x)
#x=np.array(range(20))
print('xis:\n',x)
num=[536,529,522,516,511,506,502,498,494,490,487,484,481,478,475,472,470,467,465,463]
y=np.array(num)
print('yis:\n',y)
popt,pcov=curve_fit(func,x,y,p0=[3.1,4.2,3.3])
#获取popt里面是拟合系数
a=popt[0]
u=popt[1]
sig=popt[2]
yvals=func(x,a,u,sig)#拟合y值
print(u'系数a:',a)
print(u'系数u:',u)
print(u'系数sig:',sig)
#绘图
plot1=plt.plot(x,y,'s',label='originalvalues')
plot2=plt.plot(x,yvals,'r',label='polyfitvalues')
plt.xlabel('x')
plt.ylabel('y')
plt.legend(loc=4)#指定legend的位置右下角
plt.title('curve_fit')
plt.show()
总结
以上所述是小编给大家介绍的python对任意数据和曲线进行拟合并求出函数表达式的三种解决方案，希望对大家有所帮助，也非常感谢大家对毛票票网站的支持！
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。