我试图建立一个曲线拟合,考虑基于相同 x 值和相同(指数)定律的多个 y 系列。该系列中的 y 值略有不同,因为它们是实验性的,但仍然很接近(x 相同)。
我尝试构建两个数组:一个包含 x,另一个包含两个不同系列的 y
def f(x,a,b,c):
return a*numpy.exp(-b*x)+c
xdata=numpy.array([data['x'],data['x']])
ydata = numpy.array([data['y1'], data['y2']])
popt, pcov=curve_fit(f,xdata,ydata)
但是出现这个错误:
TypeError: Improper input: N=3 must not exceed M=2
有谁知道如何解决这个错误或进行这种曲线拟合的正确方法?
最佳答案
你应该concatenate
正确地处理数据而不是创建多维数组。 curve_fit
中没有任何内容表明数据必须按 x
排序:
xdata = np.concatenate((data['x'], data['x']))
ydata = np.concatenate((data['y1'], data['y2']))
popt, pcov = curve_fit(f, xdata, ydata)
这假设 data
的引用元素都是一维的。
关于python - scipy curve_fit多系列数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43879801/