用Python(正弦波?)拟合数据
问题描述:
我有想要可视化的数据。这里是我的代码:用Python(正弦波?)拟合数据
import numpy as np
from scipy.optimize
import curve_fit
xdata = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
ydata = np.array([26.2, 27.2, 27.9, 27.9, 27.2, 26.2, 25.3, 24.5, 24.2, 24.4, 24.7, 25.4])
def func(x, p1,p2,p3):
return p1 + p3*np.sin(p2*x)
popt, pcov = curve_fit(func, xdata, ydata,p0=(25.931, 0.5629,1.8978))
import matplotlib.pylab as plt
plt.plot(xdata, ydata,'o')
plt.plot(xdata, func(xdata, popt[0], popt[1], popt[2]),linewidth=2, color = 'red')
plt.show()
我对结果不满意。我怎样才能更好地适应?我定义的函数是否需要更复杂?我需要一种完全不同的方法,另一种方法吗?
我也尝试过这种做法:
from scipy.interpolate import interp1d
f = interp1d(xdata, ydata, kind='cubic')
xnew = np.linspace(0, 11, num=100, endpoint=True)
plt.plot(xdata, ydata, 'o', xnew, f(xnew), '-', color = 'blue')
结果看起来更漂亮。 我正在寻找绘制时给出类似结果的拟合方法。我很抱歉无法更清楚地表达它。这可能已经是问题:(
答
最后的一部分,np.polyfit()
得到期望的结果:
z = np.polyfit(xdata, ydata, 6)
f = np.poly1d(z)
x_new = np.linspace(xdata[0], xdata[-1], 150)
y_new = f(x_new)
plt.plot(xdata,ydata,'o', x_new, y_new)
我想,我的问题的最重要的部分是错误的假设,我的数据是像一个正弦波。 ..
你有什么不满意的?你如何期待我们猜测? – Julien
你的'func'的return语句应该缩进。 – Ian