Question

我已经搜索了使用抛物线和/或双曲线的示例代码2-D数据拟合，但我没有成功运行任何代码。

我已经将 scipy.optimize.leastsq 用于我的健身运动：

NEW修改了代码，如下所示：

def hyprsinc_errors(pararr, t,x,datarr):
    x=np.array(x)
    pararr[4] = np.abs(pararr[4])
    outarr = np.zeros((np.size(t),np.size(x)),float)
    for ix in x:
        it = int(np.sqrt(pararr[0]*(ix-pararr[1])**2)+pararr[2])
        if it < max(t)-int(pararr[4])-1:
            for iit in range(-int(pararr[4])+it,it+int(pararr[4])+1,1):
                outarr[iit,ix] =(-1)**int(pararr[4])*pararr[0]/pararr[3]
           #end for it
            outarr[it,ix]=pararr[3]
   #end for ix
    output =  ((outarr-datarr).ravel()).sum()
    print(type(output),output)
    return np.float(output)
#
import numpy as np
import matplotlib as plt
from scipy.optimize import curve_fit
#
datarr = np.array([[ 4,  0,  1,  0,  2,  3,  1,  5,  2,  0],\
                  [ 2,  0,  0,  2,  1,  0,  5,  5,  3,  5],\
                  [ 4,  2,  0,  2,  0,  1,  5,  4,  3,  4],\
                  [ 2,  0,  1,  3,  5,  2,  3,  5,  3,  3],\
                  [ 5,  3,  3,  4, 12, 12,  5,  0,  2,  3],\
                  [ 2,  0,  5, 12, 12, 11, 13,  0,  4,  3],\
                  [ 5,  3, 12, 11,  2,  2, 10, 15,  2,  3],\
                  [ 1, 15, 11,  3,  4,  0,  0, 11, 10,  3],\
                  [14, 12,  1,  1,  2,  5,  3,  2, 12, 14],\
                  [10,  3,  4,  4,  1,  4,  0,  5,  4, 10]])
#
T = np.linspace(0, 9, 10)
X = np.linspace(0, 9, 10)


hyprsinc_errors((T,X),datarr, 1,4,4,10,0)
optimized_result = leastsq(hyprsinc_errors,x0=np.array([1.,5,5,10,0]),args=(T,X,datarr))
print("opt_result = ", optimized_result[0])

我收到新错误：

在[92]中：p1，成功=最小方（hyprsinc_errors，x0 = np.array（[1.，5,5,10,0]），args =（T，X，datarr））

（，-388.0）<-在错误功能的最后一行打印！

> - TypeError                                 Traceback (most recent call last)
> /nfs/rvl/sip/gs/nobackup3/holland/interferometry16/multiples/python_build/intel/python/<ipython-input-92-5f7acb18d23f>
> in <module>()
> ----> 1 p1,success = leastsq(hyprsinc_errors,x0=np.array([1.,5,5,10,0]),args=(T,X,datarr))
> 
> /apps/sss/epd/7.2.2/lib/python2.7/site-packages/scipy/optimize/minpack.py
> in leastsq(func, x0, args, Dfun, full_output, col_deriv, ftol, xtol,
> gtol, maxfev, epsfcn, factor, diag)
>     276     m = _check_func('leastsq', 'func', func, x0, args, n)[0]
>     277     if n > m:
> --> 278         raise TypeError('Improper input: N=%s must not exceed M=%s' % (n,m))
>     279     if Dfun is None:
>     280         if (maxfev == 0):
> 
> TypeError: Improper input: N=5 must not exceed M=1

Answer 1

curve_fit更适合于拟合二维函数。您看到的错误是因为您要传递一个二维数组作为ydata参数，这意味着它是一个m长度的数组（即一维）。沿着函数的单个切片拟合参数通常会产生错误的结果。

我建议您使用Minimum_squares而不是curve_fit。请记住，它的级别较低：它需要您手动计算错误并提供有关参数的猜测：

from scipy.optimize import least_squares
XX,YY = np.meshgrid(X,Y)
prbola_errors = lambda args: (prbola(XX,YY, *args) - dataarr).ravel()
optimize_result = least_squares(prbola_errors, (0., 1., 0., 1.))

这是一个演示：https://gist.github.com/FranciscoDA/378b2223957d2b0e201350b0e66aec84

编辑：关于更新后的问题，需要解决一些问题：

leastsq（）希望所传递的函数返回具有计算出的错误的一维数组
作为minimumsq（）的x0参数传递的参数数量与函数期望的参数数量不匹配（在这里我添加了一个初始化为0的虚拟变量）
该函数尝试使用非整数标量对数组进行索引。在这里，我将它们转换为需要的int

更新的代码：

import numpy as np
import matplotlib as plt
from scipy.optimize import curve_fit, leastsq

def hyprsinc_errors(pararr, t,x,datarr):
    x=np.array(x)
    pararr[4] = np.abs(pararr[4])
    outarr = np.zeros((np.size(t),np.size(x)),float)
    for ix in x:
        it = int(np.sqrt(pararr[0]*(ix-pararr[1])**2)+pararr[2])
        if it < max(t)-int(pararr[4])-1:
            for iit in range(-int(pararr[4])+it,it+int(pararr[4])+1,1):
                outarr[int(iit),int(ix)] =(-1)**int(pararr[4])*pararr[0]/pararr[3]
            outarr[int(it),int(ix)]=pararr[3]
    output = (outarr-datarr).ravel()
    return output
#

#
datarr = np.array([[ 4,  0,  1,  0,  2,  3,  1,  5,  2,  0],\
                  [ 2,  0,  0,  2,  1,  0,  5,  5,  3,  5],\
                  [ 4,  2,  0,  2,  0,  1,  5,  4,  3,  4],\
                  [ 2,  0,  1,  3,  5,  2,  3,  5,  3,  3],\
                  [ 5,  3,  3,  4, 12, 12,  5,  0,  2,  3],\
                  [ 2,  0,  5, 12, 12, 11, 13,  0,  4,  3],\
                  [ 5,  3, 12, 11,  2,  2, 10, 15,  2,  3],\
                  [ 1, 15, 11,  3,  4,  0,  0, 11, 10,  3],\
                  [14, 12,  1,  1,  2,  5,  3,  2, 12, 14],\
                  [10,  3,  4,  4,  1,  4,  0,  5,  4, 10]])
#
T = np.linspace(0, 9, 10)
X = np.linspace(0, 9, 10)

optimized_result = leastsq(hyprsinc_errors,x0=np.array([1.,5,5,10,0,0]),args=(T,X,datarr))
print("opt_result = ", optimized_result[0])

样本输出： opt_result = [ 1. 5.00000006 5. 10.42857143 0. 0. ]

使抛物线适合2D数据-已编辑

（，-388.0）<-在错误功能的最后一行打印！

1 个答案: