参数拟合python代码

参数拟合是指通过拟合函数来找到最佳的参数值，使得拟合函数与实际数据的差距最小化。在Python中，可以使用scipy库中的curve_fit函数来进行参数拟合。

首先，需要导入相应的库：

import numpy as np
from scipy.optimize import curve_fit

然后，定义拟合函数。拟合函数的输入参数为自变量x和待拟合参数params，输出为拟合函数的值。

def fit_func(x, *params):
    # 定义拟合函数的形式
    return params[0] * np.exp(-params[1] * x) + params[2]

接下来，准备实际数据。假设有一组实际数据x和y：

x = np.array([1, 2, 3, 4, 5])
y = np.array([1.2, 2.3, 3.4, 4.5, 5.6])

然后，使用curve_fit函数进行拟合。curve_fit函数的输入参数为拟合函数fit_func、自变量x、因变量y和初始参数值p0。它返回两个值，第一个是拟合后的参数值，第二个是拟合后的协方差矩阵。

p0 = [1, 1, 1]  # 初始参数值
params, cov = curve_fit(fit_func, x, y, p0)

最后，可以打印出拟合后的参数值和协方差矩阵：

print('拟合参数值：', params)
print('协方差矩阵：', cov)

完整的代码如下：

import numpy as np
from scipy.optimize import curve_fit

def fit_func(x, *params):
    return params[0] * np.exp(-params[1] * x) + params[2]

x = np.array([1, 2, 3, 4, 5])
y = np.array([1.2, 2.3, 3.4, 4.5, 5.6])

p0 = [1, 1, 1]
params, cov = curve_fit(fit_func, x, y, p0)

print('拟合参数值：', params)
print('协方差矩阵：', cov)

运行以上代码，即可得到参数拟合的结果。