Question

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）

-------------------------------------------------- ---------------------------- TypeError跟踪（最近的呼叫   最后）在（）        14点数字（）        15 plt.plot（x，y，'ko'，label =“原始噪声数据”）   ---> 16个plt.plot（x，func（x，* popt），'r-'，label =“ Fitted Curve”）        17 plt.legend（）        18 plt.show（）

在func（x，a，b，c）中         4         5 def func（x，a，b，c）：   ----> 6返回a * np.exp（-b * x）+ c         7         8 x = [333,500,1000,2000,5000,10000]

TypeError：“ numpy.float64”对象无法解释为整数

由于某种原因，我无法根据数据获得曲线拟合。我正在从此处跟踪指数示例：How to do exponential and logarithmic curve fitting in Python? I found only polynomial fitting

但是我使用的是两个数组，而不是随机数据。我是python新手！

Answer 1

您的代码存在一些问题。

您使用列表而不是numpy.ndarray：numpy和scipy例程旨在与numpy.ndarray一起使用，并且它们在内部使用它们。您也应该使用它们。
您的数据和功能可能会出现溢出问题，例如np.exp(-1000)在Python3中已经近似为零
您正在尝试拟合不太可能适合您数据的函数。它看起来更像是指数恢复而不是衰减。

以下代码临时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()

拟合指数曲线误差

1 个答案: