python⼆次函数_python数据分析之曲线拟合：⼆次函数拟合引⼊
在实际项⽬中，往往有这样的需求：对采集到的数据进⾏数据处理(曲线拟合)，再计算出⼀些想要的参数，⽐如峰值/dip值/周期等等。
核⼼即曲线拟合。不同的曲线形式，就灵活选择不同的拟合函数。
其中⼀种常见的形式为：⼆次函数拟合。
⽅法
获取实验数据x, y
利⽤np.polyfit(x, y, 2)进⾏⼆次拟合
得到拟合出的系数，进⾏后续的数据处理
实例
已知⼀组⼆次曲线型数据，要求拟合出该曲线，并且返回最⼤点/对称点的坐标。
import numpy as np
import matplotlib.pyplot as plt
# 模拟⽣成⼀组实验数据
x = np.arange(0,10,0.2)
y = -(x-3.5)**2+4.7
noise = np.random.uniform(-3,3,len(x))
y += noise
fig, ax = plt.subplots()
ax.plot(x, y, 'b--')
ax.set_xlabel('x')
ax.set_ylabel('y')
# ⼆次拟合
coef = np.polyfit(x, y, 2)
y_fit = np.polyval(coef, x)
ax.plot(x, y_fit, 'g')
# 出其中的峰值/对称点
if coef[0] != 0:
x0 = -0.5 * coef[1] / coef[0]
x0 = round(x0, 2)
ax.plot([x0]*5, np.linspace(min(y),max(y),5),'r--')
linspace函数pythonprint(x0)
else:
raise ValueError('Fail to fit.')
plt.show()
结果
如您对本⽂有疑问或者有任何想说的，请点击进⾏留⾔回复，万千⽹友为您解惑！

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。