python曲线拟合实现,python多项式拟合曲线方程

　　计算机编程语言实现lhdct曲线拟合

　　1.目的

　　针对光谱离散数据，寻峰完成后截取近的峰值的数据，利用lhdct拟合重绘单峰曲线，进而实现分峰功能

　　2.原理

　　3.代码

　　从数学导入日志中导入numpy作为NP，exp导入matplotlib。作为来自scipy的PLT的py图。优化从scipy导入curve _ fit作为数组作为ar，exp #将文本文件(文本文件)文件读入数组数组yo原创=NP。load txt( C:\工作\数据. txt)#一维数据# yo原创=NP。数组([5.81528 e-05，0.000111682，0.000271214，0.000391546，0.000786933，0.002034528，0.002968284，0.005004177，0.007329225，0.0111111输入数据n ，yo original)average=sum(yo original)/len(yo original)# y=yo original # x=XO original # print(过滤数据n ，y)y=NP。log(y)z矩阵=NP。矩阵(y)打印(取对数n ，y) #构造X矩阵x矩阵=NP。矩阵(NP。形状(NP。连接。one((len(y)))，x，x*x))，(3，len(y)))x矩阵=NP。矩阵(x矩阵.t)打印( X矩阵n’，x矩阵)# NP。矩阵。_ _ mul _ _=NP。圆点#重载运算符print(x矩阵* x矩阵)b矩阵=((x矩阵* x矩阵).I * x矩阵)* z矩阵.T#矩阵运算打印( B矩阵n ，bMatrix) b2，b1，b0=float(bMatrix[2][0])，float(bMatrix[1][0])，float(b matrix[0][0])print( B0={ } B1={ } B2={ } .format(b0，b1，B2))s=-1/B2 xMaxi=s * B1/2 yMaxi=exp(B0 xMaxi * * 2/s)print(yMaxi，xMaxi，s)def gaussian(x，* param):return param[0]* NP。exp(-NP。power(x-param[1]，2。)/(2 * np.power(param[2]，2 .)))#lhdct公式popt，pcov=curve_fit(gaussian，xOriginal，yo original，p0=[yMaxi，xMaxi，s])print(popt)print(pcov)PLT。plot(x原始，yo原始， b:，label= data )PLT。plot(x original，gaussian(xOriginal，*popt)， ro:，label=fit)#绘图plt.legend()plt.show() 4 .效果

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。