我需要绘制最佳拟合的平滑曲线,但我发现的所有方法都使用scipy.optimize.curve_fit(),这需要知道与x和y相关的函数。对于基本散点图有没有更简单的方法呢?
我试图获得曲线:
import matplotlib.pyplot as plot
x = range(30)
y = [1, 1, 1, 2, 1, 1, 1, 2, 4, 5, 8, 12, 13, 14, 12, 11, 9, 6, 5, 4, 2, 2, 1, 2, 1, 1, 1, 1, 1, 1 ]
plot.plot(x, y, "o")
plot.show()
非常感谢任何帮助。
答案 0 :(得分:1)
通常在不猜测生成函数的情况下平滑,人们使用样条曲线。以下是使用您的数据的示例:
import matplotlib.pyplot as plt
from scipy.interpolate import UnivariateSpline
import numpy as np
x = range(30)
y = [1, 1, 1, 2, 1, 1, 1, 2, 4, 5, 8, 12, 13, 14, 12, 11, 9, 6, 5, 4, 2, 2, 1, 2, 1, 1, 1, 1, 1, 1 ]
s = UnivariateSpline(x, y, s=5)
xs = np.linspace(0, 29, 100)
ys = s(xs)
plt.plot(x, y, 'o')
plt.plot(xs, ys)
plt.show()
正如您可能已经猜到的那样,关键字s
用于设置拟合与数据的匹配程度,其中s=0
将遍历每个点。
样条曲线基本上将简单函数拟合到曲线的局部点集,然后匹配边界处的导数以连接这些局部曲线,以使最终结果看起来平滑。
scipy中有多种样条线例程可供选择。