将正弦曲线拟合到python matplotlib中的数据

如何解决将正弦曲线拟合到python matplotlib中的数据

Here is my data in excel 我想将此数据拟合为正弦曲线

这是我的代码，

#Fitting function
def func(x,offset,A,freq,phi):
    return offset + A * np.sin(freq * x + phi)

#Experimental x and y data points   
# test_df is the input excel df 
x_data = test_df['x_data']
y_data = test_df['y_data']


#Plot input data points
plt.plot(x_data,y_data,'bo',label='experimental-data')

# Initial guess for the parameters
initial_guess = [.38,2.3,.76,2.77]    

#Perform the curve-fit
popt,pcov = curve_fit(func,x_data,initial_guess)
print(popt)

#x values for the fitted function
x_fit = np.arange(0.0,31,0.01)

#Plot the fitted function
plt.plot(x_fit,func(x_fit,*popt),'r')

plt.show()

这是图形。

我认为这不是最佳选择。我想提出改善曲线拟合的建议。

解决方法

好吧，这似乎不是一个数学函数，例如对于参数值15，您可能有多个值（f（x）等于什么？）。因此，这将不是经典 在这种情况下插值。如果您可以通过某种方式规格化数据，即根据数据进行功能化，则可以使用numpy。

最简单的方法是在参数值相等的情况下添加一些小的干扰。让我们来看一个数据示例：

4   0.0326
4   0.014
4   -0.0086
4   0.0067

因此，如您所见，您无法确定f（4）的关系值是多少。如果您想稍微干扰一下参数，例如：

3.9     -0.0086
3.95    0.0067
4       0.014
4.05    0.0326

以此类推，对于数据文件中的所有此类示例。最简单的方法是通过它们的x参数对这些值进行分组，排序和打扰。

那显然会引入一些错误，但是，好吧……无论如何，您都在进行曲线拟合，对吧？

要公式化正弦，必须知道幅度，频率和相位：f（x）= A * sin（F * x + p）其中A是幅度，F是频率，p是相位。如果您准备了适当的数据集，Numpy会为此提供专用方法： How do I fit a sine curve to my data with pylab and numpy?