smmoidal曲线与semilogx SciPy / Python

Question

我一直致力于为一组数据拟合负斜率的S形趋势线。我只在python上工作了一个星期，对于草率的代码感到抱歉。我有两组产生数据的代码，但是，我也无法获得sigmoid曲线输出。

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

def sigmoid(x, x0, k):
     y = 1 / (1 + np.exp(-(-k*(x-x0))))
     return y

x = [0.1, 0.01, 0.001, 0.0001, 0.00001, 0.000001]

y = [0.649097038, 0.682633434, 0.705470344, 0.749350609, 0.989377822, 0.972679201]


coefficients = np.polyfit(x, y, 2)
polynomial = poly1d(coefficients)
xs = arange(0.000001, 0, 0.1)
ys = polynomial(xs)

curve_fit(sigmoid, x, y)

semilogx()

np.polyfit(x, y, 3, rcond=None, full=False, w=None, cov=False)

plot(x, y, 'o')
plot(xs, ys)
ylabel('Cell Viability')
xlabel('Concentration mM')
show()

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

def sigmoid(x, x0, k):
     y = 1 / (1 + np.exp(-(-k*(x-x0))))
     return y

xdata = np.array([0.1, 0.01, 0.001, 0.0001, 0.00001, 0.000001])
ydata = np.array([0.649097038, 0.682633434, 0.705470344, 0.749350609, 0.989377822, 0.972679201])

popt, pcov = curve_fit(sigmoid, xdata, ydata)
print popt

x = np.linspace(-10, 1, 50)
y = sigmoid(x, *popt)

semilogx()

pylab.plot(xdata, ydata, 'o', label='data')
pylab.plot(x,y, label='fit')
pylab.ylim(0, 1.05)
pylab.legend(loc='best')
pylab.show()

Answer 1

你的两个代码片有很多问题 - 其中一些是Ajean所暗示的。让我们仔细检查一下是什么以及导致什么问题。

第一个代码块

• 丢弃前两行并仅使用：

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

  现在，您需要拨打poly1d，而不是np.poly1d;而不是semilogx()它是plt.semilogx(); plot，xlabel，ylabel和show成为plt.plot等。

• 接下来，您使用arange会返回一个空数组。相反，试试这个：

  np.arange(0.000001, 0.1, 0.000001)
  

• 从curvefit开始，你应该存储回报，正如你的第二个代码所做的那样：

  popt, pcov = curve_fit(sigmoid, x, y)
  

• 接下来，使用sigmoid生成新的y - 值：

  ysig = sigmoid(x,*popt)
  

• 如果现在在底部包含一个额外的情节陈述，例如：

  plt.plot(x,ysig,'g')
  

  输出将是这样的：

  

第二个代码块

• import matplotlib.pyplot as plt就足够了。现在，用pylab.

替换plt.次出现

• 然而，所有不起作用的是linspace命令。如果你试试

  x = np.arange(0.000001, 0.1, 0.000001)
  

  相反，你会得到这个输出

  

---

但是，这两种方法都表明您的拟合并不适合数据。但这可能是一个不同的问题。

Answer 2

这就是我对代码块1所拥有的。

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

def sigmoid(x, x0, k):
     y = 1 / (1 + np.exp(-(-k*(x-x0))))
     return y

x = [0.1, 0.01, 0.001, 0.0001, 0.00001, 0.000001]

y = [0.649097038, 0.682633434, 0.705470344, 0.749350609, 0.989377822, 0.972679201]


coefficients = np.polyfit(x, y, 3)
polynomial = np.poly1d(coefficients)

popt, pcov = curve_fit(sigmoid, x, y)

ysig = sigmoid(x, *popt)

plt.semilogx()
np.arange(0.000001, 0.1, 0.000001)

np.polyfit(x, y, 3, rcond=None, full=False, w=None, cov=False)

plt.plot(x, y, 'o')
plt.plot(x, ysig, 'g')
plt.ylabel('Cell Viability')
plt.xlabel('Concentration mM')
plt. show()