在數(shù)據(jù)處理和繪圖中，我們通常會(huì)遇到直線或曲線的擬合問(wèn)題，python中scipy模塊的子模塊optimize中提供了一個(gè)專(zhuān)門(mén)用于曲線擬合的函數(shù)curve_fit()。

下面通過(guò)示例來(lái)說(shuō)明一下如何使用curve_fit()進(jìn)行直線和曲線的擬合與繪制。

代碼如下：

import numpy as np import matplotlib.pyplot as plt from scipy import optimize#直線方程函數(shù) def f_1(x, A, B):return A*x + B#二次曲線方程 def f_2(x, A, B, C):return A*x*x + B*x + C#三次曲線方程 def f_3(x, A, B, C, D):return A*x*x*x + B*x*x + C*x + Ddef plot_test():plt.figure()#擬合點(diǎn)x0 = [1, 2, 3, 4, 5]y0 = [1, 3, 8, 18, 36]#繪制散點(diǎn)plt.scatter(x0[:], y0[:], 25, "red")#直線擬合與繪制A1, B1 = optimize.curve_fit(f_1, x0, y0)[0]x1 = np.arange(0, 6, 0.01)y1 = A1*x1 + B1plt.plot(x1, y1, "blue")#二次曲線擬合與繪制A2, B2, C2 = optimize.curve_fit(f_2, x0, y0)[0]x2 = np.arange(0, 6, 0.01)y2 = A2*x2*x2 + B2*x2 + C2 plt.plot(x2, y2, "green")#三次曲線擬合與繪制A3, B3, C3, D3= optimize.curve_fit(f_3, x0, y0)[0]x3 = np.arange(0, 6, 0.01)y3 = A3*x3*x3*x3 + B3*x3*x3 + C3*x3 + D3 plt.plot(x3, y3, "purple")plt.title("test")plt.xlabel('x')plt.ylabel('y')plt.show()return

擬合和繪制解果如下：

當(dāng)然，curve_fit()函數(shù)不僅可以用于直線、二次曲線、三次曲線的擬合和繪制，仿照代碼中的形式，可以適用于任意形式的曲線的擬合和繪制，只要定義好合適的曲線方程即可。

如高斯曲線擬合，曲線函數(shù)形式如下：

def f_gauss(x, A, B, C, sigma):return A*np.exp(-(x-B)**2/(2*sigma**2)) + C

2017.04.21

總結(jié)

以上是生活随笔為你收集整理的【python图像处理】直线和曲线的拟合与绘制（curve_fit()详解）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。