拟合指数曲线误差
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
def func(x, a, b, c):
return a * np.exp(-b * x) + c
x = [333,500,1000,2000,5000,10000]
y = [195.3267, 233.0235, 264.5914,294.8728, 328.3523,345.4688]
popt, pcov = curve_fit(func, x, y)
plt.figure()
plt.plot(x, y, 'ko', label="Original Noised Data")
plt.plot(x, func(x, *popt), 'r-', label="Fitted Curve")
plt.legend()
plt.show()错误: C:\Users\Aidan\Anaconda3\lib\site-packages\scipy\optimize\minpack.py:794: OptimizeWarning:无法估计参数的协方差 category=OptimizeWarning) 跟踪(最近一次调用) in () 14 plt.figure() 15 plt.plot(x，y，'ko'，Label=“原始噪声数据”- 16 plt.plot(x，func(x，*popt)，'r-'，label=“拟合曲线”) 17 plt.legend() 18 plt.show() 在func(x，a，b，c) 4 5 def func(x，a，b，c)：-返回a* np.exp(-b * x) +c78x= 333,500,1000,2000,5000,10000 TypeError：“numpy.float64”对象不能解释为整数
由于某些原因，我无法根据我的数据得到曲线拟合。我遵循这里的指数例子：How to do exponential and logarithmic curve fitting in Python? I found only polynomial fitting
但我使用的是两个数组，而不是随机数据。我对蟒蛇很陌生！
回答 1
Stack Overflow用户
发布于 2018-07-11 14:25:20
您的代码有几个问题。
- 您可以使用列表而不是
numpy.ndarray：numpy和scipy例程是用来处理numpy.ndarray的，它们在内部使用它们。你也应该用它们。 - 您的数据和函数可能会出现溢出问题，例如，
np.exp(-1000)在Python3中已接近于零 - 您正在尝试拟合一个不太可能适合您的数据的函数。它看起来更像是指数恢复，而不是衰变。
以下代码初步解决了所有这些问题：
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
def func(x, a, b, c):
return a * (1 - np.exp(-b * x)) + c
x = np.array([333.0,500.0,1000.0,2000.0,5000.0,10000.0]) / 1000
y = np.array([195.3267, 233.0235, 264.5914,294.8728, 328.3523,345.4688]) / 10
popt, pcov = curve_fit(func, x, y)
print(popt)
plt.figure()
plt.plot(x, y, 'ko', label="Original Noised Data")
plt.plot(x, func(x, *popt), 'r-', label="Fitted Curve")
plt.legend()
plt.show()https://stackoverflow.com/questions/51287713
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号