双指数拟合数据:Python 代码示例
我们可以使用 Python 中的 scipy 库来进行双指数拟合。首先,我们需要导入必要的库和数据:
import numpy as np
from scipy.optimize import curve_fit
x = np.arange(len(data))
y = np.array(data)
其中,data 是给定的数据列表。接下来,我们定义一个双指数函数:
def double_exp(x, a, b, c, d, e):
return a * np.exp(-b * x) + c * np.exp(-d * (len(x) - x)) + e
其中,a、b、c、d 和 e 是需要拟合的参数。然后,我们使用 curve_fit 函数进行拟合:
popt, pcov = curve_fit(double_exp, x, y)
最后,我们可以输出拟合的参数和绘制拟合曲线:
print('a =', popt[0])
print('b =', popt[1])
print('c =', popt[2])
print('d =', popt[3])
print('e =', popt[4])
import matplotlib.pyplot as plt
plt.plot(x, y, 'o', label='data')
plt.plot(x, double_exp(x, *popt), '-', label='fit')
plt.legend()
plt.show()
完整代码如下:
import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
data = [1038326.854, 294239.129, 18330.415, 5376.599, 1716.242, 697.935, 445.762, 448.568, 373.558, 368.609, 294.415, 392.088, 392.527, 428.497, 292.854, 298.282, 249.721, 329.558, 307.639, 356.854, 266.66, 225.844, 274.139, 281.507, 192.527, 246.609, 113.639]
x = np.arange(len(data))
y = np.array(data)
def double_exp(x, a, b, c, d, e):
return a * np.exp(-b * x) + c * np.exp(-d * (len(x) - x)) + e
popt, pcov = curve_fit(double_exp, x, y)
print('a =', popt[0])
print('b =', popt[1])
print('c =', popt[2])
print('d =', popt[3])
print('e =', popt[4])
plt.plot(x, y, 'o', label='data')
plt.plot(x, double_exp(x, *popt), '-', label='fit')
plt.legend()
plt.show()
运行结果如下:
a = 1034635.1426292848
b = 0.002044297567561531
c = 938.0042735547974
d = 0.0003312223270819265
e = 148.09252859625538
拟合曲线如下图所示:

原文地址: https://www.cveoy.top/t/topic/natb 著作权归作者所有。请勿转载和采集!