import numpy as np

import matplotlib.pyplot as plt

from scipy.optimize import curve_fit#用python擬合函數最主要模塊就是cure_fit

#準備數據

x=[一組數據]

y=[一組數據]

#定義你自己想要擬合的函數

def func(x,E0,B0,B1,V0):

return E0+(9.0/16)*V0*B0*(((V0/x)**(2.0/3)-1)**(3.0)*B1)+(9.0/16)*V0*B0*((V0/x)**(2.0/3)-1)**(2.0)*(6-4*(V0/x)**(2.0/3))

#定義好自己需要的函數之后就是擬合

#popt是一個一維數組，表示得到的擬合方程的參數

#pcov是一個二維數組，是在popt參數下得到的協方差

popt,pcov=curve_fit(func,x,y,[-800,-1,-1,930]) #后面這個數組是進行設置初猜，即使初猜設置的不是特別好，也能擬合出來比較理想的效果。如果你不設置初猜的話，默認的都是1

print(popt)

E0=popt[0]

B0=popt[1]

B1=popt[2]

V0=popt[3]

print(pcov)

yval=func(x,E0,B0,B1,V0)#擬合完參數之后 就用擬合之后的參數來計算函數的值，即得到擬合擬合曲線的數值

plt.scatter(x,y)#原始數據畫圖

plt.plot(x,yval,'g',label='E0=%5.3f,B0=%5.3f,B1=%5.3f,V0=%5.3f'%tuple(popt))#擬合之后的數據畫圖 tuple是把列表變成元組

plt.legend()

plt.show()

總結

以上是生活随笔為你收集整理的python自定义函数拟合_python自定义函数拟合的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。