python 高斯拟合,python怎么拟合曲线

有很多方法可以将高斯函数拟合到数据集。我经常在拟合数据时使用astropy，这就是为什么我想添加这个作为额外的答案。

我使用的一些数据集应该模拟高斯噪声：import numpy as np

from astropy import modeling

m = modeling.models.Gaussian1D(amplitude=10, mean=30, stddev=5)

x = np.linspace(0, 100, 2000)

data = m(x)

data = data + np.sqrt(data) * np.random.random(x.size) - 0.5

data -= data.min()

plt.plot(x, data)

然后拟合它实际上非常简单，您可以指定要拟合数据的模型和拟合者：fitter = modeling.fitting.LevMarLSQFitter()

model = modeling.models.Gaussian1D() # depending on the data you need to give some initial values

fitted_model = fitter(model, x, data)

并绘制：plt.plot(x, data)

plt.plot(x, fitted_model(x))

不过，也可以只使用Scipy，但必须自己定义函数：from scipy import optimize

def gaussian(x, amplitude, mean, stddev):

return amplitude * np.exp(-((x - mean) / 4 / stddev)**2)

popt, _ = optimize.curve_fit(gaussian, x, data)

这将返回拟合的最佳参数，您可以这样绘制：plt.plot(x, data)

plt.plot(x, gaussian(x, *popt))