Python:使用piecewise与curve_fit进行三段拟合

x = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10 ,11, 12, 13, 14, 15,16,17,18,19,20,21], dtype=float)
y = np.array([5, 7, 9, 11, 13, 15, 28.92, 42.81, 56.7, 70.59, 84.47, 98.36, 112.25, 126.14, 140.03,145,147,149,151,153,155])

plt.scatter(x,y,s=30,c='b')

得到如下散点图:

 

定义分段函数

#6个未知参数 x0x1,y0,y1分别是2个分割间断点的横纵坐标 k0,k1是第一和第三段直线的斜率
def piecewise(x,x0,x1,y0,y1,k0,k1):
    return np.piecewise(x , [x <= x0, np.logical_and(x0<x, x<= x1),x>x1] ,
                        [lambda x:k0*(x-x0) + y0,#根据点斜式构建函数
                         lambda x:(x-x0)*(y1-y0)/(x1-x0)+y0,#根据两点式构建函数
                        lambda x:k1*(x-x1) + y1])

 

根据分段函数进行拟合,通过迭代寻找最优的p,即为p_best

注:p(p_best)中包含的是拟合之后求得的所有未知参数

复制代码
perr_min = np.inf
p_best = None
for n in range(100):
    k = np.random.rand(6)*20
    p , e = optimize.curve_fit(piecewise, x, y,p0=k)
    perr = np.sum(np.abs(y-piecewise(x, *p)))
    if(perr < perr_min):
        perr_min = perr
        p_best = p
复制代码

 

根据p_best调用curve_fit函数绘制拟合图像

复制代码
xd = np.linspace(0, 21, 100)
plt.figure()

plt.plot(xd, piecewise(xd, *p_best))
xx=(p_best[0],p_best[1])
yy=(p_best[2],p_best[3])

plt.scatter(xx,yy,s=30,c='black')
plt.show()
复制代码

结果如下:

 

完整代码:

复制代码
from scipy import optimize
import matplotlib.pyplot as plt
import numpy as np

#6个未知参数 x0x1,y0,y1分别是2个分割间断点的横纵坐标 k0,k1是第一和第三段直线的斜率
def piecewise(x,x0,x1,y0,y1,k0,k1):
    return np.piecewise(x , [x <= x0, np.logical_and(x0<x, x<= x1),x>x1] ,
                        [lambda x:k0*(x-x0) + y0,#根据点斜式构建函数
                         lambda x:(x-x0)*(y1-y0)/(x1-x0)+y0,#根据两点式构建函数
                        lambda x:k1*(x-x1) + y1])

x = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10 ,11, 12, 13, 14, 15,16,17,18,19,20,21], dtype=float)
y = np.array([5, 7, 9, 11, 13, 15, 28.92, 42.81, 56.7, 70.59, 84.47, 98.36, 112.25, 126.14, 140.03,145,147,149,151,153,155])

plt.scatter(x,y,s=30,c='b')

perr_min = np.inf
p_best = None
for n in range(100):
    k = np.random.rand(6)*20
    p , e = optimize.curve_fit(piecewise, x, y,p0=k)
    perr = np.sum(np.abs(y-piecewise(x, *p)))
    if(perr < perr_min):
        perr_min = perr
        p_best = p

xd = np.linspace(0, 21, 100)
plt.figure()


plt.plot(xd, piecewise(xd, *p_best))
xx=(p_best[0],p_best[1])
yy=(p_best[2],p_best[3])

plt.scatter(xx,yy,s=30,c='black')
plt.show()
复制代码

 

posted @   ShineLe  阅读(6330)  评论(0编辑  收藏  举报
编辑推荐:
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· 没有源码,如何修改代码逻辑?
· 一个奇形怪状的面试题:Bean中的CHM要不要加volatile?
· [.NET]调用本地 Deepseek 模型
· 一个费力不讨好的项目,让我损失了近一半的绩效!
阅读排行:
· PowerShell开发游戏 · 打蜜蜂
· 在鹅厂做java开发是什么体验
· 百万级群聊的设计实践
· WPF到Web的无缝过渡:英雄联盟客户端的OpenSilver迁移实战
· 永远不要相信用户的输入:从 SQL 注入攻防看输入验证的重要性
点击右上角即可分享
微信分享提示