python高斯函数拟合,python拟合曲线求方程

　　有很多方法可以将高斯函数拟合到数据集。我经常在拟合数据时使用天文望远镜，这就是为什么我想添加这个作为额外的答案。

　　我使用的一些数据集应该模拟高斯噪声：将数组作为铭牌导入

　　从天文望远镜导入建模

　　m=modeling.models.Gaussian1D(振幅=10,平均值=30,标准差=5)

　　x=np.linspace(0，100，2000)

　　数据=m(x)

　　数据=数据NP。sqrt(数据)* NP。随机的。随机(x .尺寸)-0.5

　　data -=data.min()

　　plt.plot(x，数据)

　　然后拟合它实际上非常简单，您可以指定要拟合数据的模型和拟合者：钳工=建模。试衣。levmarlsqfitter()

　　模型=建模。模特。高斯1d()#根据数据你需要给出一些初始值

　　fitted_model=fitter(模型，x，数据)

　　并绘制：plt.plot(x，data)

　　plt.plot(x，拟合_模型(十))

　　不过，也可以只使用Scipy，但必须自己定义函数：从科学计算导入优化

　　def高斯(x，振幅，平均值，标准差):

　　返回幅度* NP。指数(-((x-均值)/4/标准偏差)* * 2)

　　popt，_=optimize.curve_fit(高斯，x，数据)

　　这将返回拟合的最佳参数，您可以这样绘制：plt.plot(x，data)

　　plt.plot(x，gaussian(x，*popt))

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。