1、一次二次多项式拟合
一次二次比较简单，直接使用numpy中的函数即可，polyfit(x, y, degree)。
2、指数幂数拟合curve_fit
使用scipy.optimize 中的curve_fit，幂数拟合例子如下：
from scipy.optimize import curve_fit import matplotlib.pyplot as plt import numpy as np def func(x, a, b, c): return a * np.exp(-b * x) + c xdata = np.linspace(0, 4, 50) y = func(xdata, 2.5, 1.3, 0.5) ydata = y + 0.2 * np.random.normal(size=len(xdata)) plt.plot(xdata,ydata,'b-') popt, pcov = curve_fit(func, xdata, ydata) #popt数组中，三个值分别是待求参数a,b,c y2 = [func(i, popt[0],popt[1],popt[2]) for i in xdata] plt.plot(xdata,y2,'r--') print popt
下面是原始数据和拟合曲线：
下面是指数拟合例子：
def fund(x, a, b): return x**a + b xdata = np.linspace(0, 4, 50) y = fund(xdata, 2.5, 1.3) ydata = y + 4 * np.random.normal(size=len(xdata)) plt.plot(xdata,ydata,'b-') popt, pcov = curve_fit(fund, xdata, ydata) #popt数组中，三个值分别是待求参数a,b,c y2 = [fund(i, popt[0],popt[1]) for i in xdata] plt.plot(xdata,y2,'r--') print popt
下图是原始数据和拟合曲线：
以上这篇对python指数、幂数拟合curve_fit详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
