scipy curve_fit 多系列数据，需要多条曲线的一组独特的拟合参数

Question

我会尽量解释清楚。我想拟合一个非线性函数，以最小化与其他 2 条曲线的距离。

This picture explains this better

我想通过将橙色曲线乘以一个高度非线性的函数来修改橙色曲线（比如说“损坏”它）。如您所见，拟合曲线是绿色的，我现在没有问题。

最小化函数的形状如下：

def func_to_minimize(input_X, c1, c2, c3):
   xdata, orange_points_in_y = input_X
   damage = non_linear_function(xdata, c1, c2, c3)
   return np.multiply(damage, orange_points_in_y)

因此，以这种方式应用curve_fit，我得到了正确的c1、c2和c3参数来获得两条红色曲线之间的绿色曲线：

(c1,c2,c3), pcov = curve_fit(func_to_minimize, (xdata, orange_points_in_y), ydata)
green_y_points = np.multiply(non_linear_function(xdata, c1, c2, c3), orange_points_in_y)

由于我有多个数据集（2 条 x 值相同但 y 值不同的曲线），我将数据堆叠成一维数组：

xdata = np.concatenate((xdata,xdata))
ydata = np.concatenate((ydata_1,ydata_2))
orange_points_in_y = np.concatenate((orange_points_in_y, orange_points_in_y))

出现问题是因为我有不止 1 条这样的曲线（超过 1 个“区域”），但它们都需要同时配备一组独特的 c1、c2、c3 参数。使用新图像您会更好地理解它：

Problematic fit

在这张图片中，您可以看到石灰曲线，它是通过获取 2 组参数（每个区域一组）获得的。但是当我尝试同时拟合所有内容时，我得到了深绿色曲线，这显然是不正确的。为了提供curve_fit，我像以前一样同时连接所有数据，确保所有点彼此对应。

如果有人知道如何获得这组独特的参数，即使使用其他算法，我也将不胜感激。谢谢你的时间:)

Answer 1

您需要垂直堆叠它们而不是连接ydata_1 和ydata_2（您可以使用np.vstack）。循环遍历这个垂直堆叠数组的行，得到ydata_1和ydata_2，在循环内执行curve_fit，分别为每个ydata_i获取c1, c2, c3参数的值。