将多项式拟合到数据时出现索引错误

Question

尝试拟合订单时出现索引错误>1 多项式数据：

import numpy as np
from scipy.optimize import curve_fit

x =  b #1D array for X Axis
y =  c #1D array for Y Axis

def func(x, a, b,c):
     return ((a*(x**2)) + b*x + c)  

iniguess = [0,0.038,13.99]
param, pcov = curve_fit(func, x, y, p0=iniguess)

print (param[0],param[1],param[2])
 
import matplotlib.pyplot as plt
plt.plot(x,y,'bo ')
xfit = b
yfit = func(xfit, param[0], param[1], param[3])
plt.plot(xfit,yfit,'r-')
plt.legend(['data','fit'],loc='best')

当我尝试计算预测的 Y 值时，这会给我一个错误代码。错误是“index 3 is out of bounds for axis 0 with size 3”

Answer 1

正如@Ben.T 所指出的，问题在于您的代码中的param[3] 应该是param[2]。当您有一个像param 这样的参数列表并按顺序依次传递给函数时（即func(..., param[0], param[1], param[2], ...)），您可以使用*param 一次性传递它们。领先的asterix *foo is a shortcut in the python syntax 让您一次传递多个参数，而不是一次传递一个。使用这些快捷方式可以使您的代码更易于阅读且不易出错，因为您不再需要为 param 的各个索引而烦恼。

这是您的代码的完整工作版本。请注意在创建yfit 的行中使用了*param：

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

def func(x, a, b, c):
     return ((a*(x**2)) + b*x + c)  

iniguess = [2,0.038,13.99]

# make some fake example data
N = 1000
x =  np.linspace(0, 10, N)
y = func(x, *iniguess)

# add some noise to make this a non-trivial curve fitting
y +=  np.random.normal(size=N)

param, pcov = curve_fit(func, x, y, p0=iniguess)
print(param)

plt.plot(x,y,'bo ')

yfit = func(x, *param)
plt.plot(x,yfit,'r-')

plt.legend(['data','fit'],loc='best')

输出：

[ 1.99894963  0.04834206 14.0062958 ]