扩展绘图

Question

我使用实验数据进行理论分析的代码如下。我试图拟合曲线并推断S_u0值以确定初始温度。

mem = {}
def combos(target, n):
    k = (target, n)
    if k in mem:
        return mem[k]
    if n == 1:
        return [[target]]
    cs = []
    for i in range(0, target+1):
        cs += [[i]+c for c in combos(target-i, n-1)]
    mem[k] = cs
    return cs

在绘图之后，我获得了图1，但我想得到如图2所示的情节。请问如何得到如图2所示的图。提前感谢。

图1

图2

Answer 1

如果我理解了这个问题，那么您希望将模型的预测值绘制在拟合范围之外。

n和m数组的范围有限（至少与其他数据相比）

result = model.fit(m, params, n=n)
plt.plot(n, result.best_fit, 'b*-', label='Fit')

仅在您用于拟合的有限范围内绘制。

您可以使用一组参数（您可能想要最合适的参数）和独立变量n的任何值来评估模型 与result.eval()：

new_m = result.eval(result.params, n=new_n)

看起来你想要的东西可能就像

new_n = np.linspace(0, 5, 51)[1:]  # to avoid 0, where your model fails
plt.plot(new_n, result.eval(result.params, n=new_n), label='Predicted')