Scipy curve_fit: 如何绘制超出数据点的拟合曲线？

Question

我有许多数据点，我使用 Scipy curve_fit 为该数据集拟合曲线。我现在想绘制超出范围的数据点，但我不知道该怎么做。

这是一个基于指数拟合的简单示例：

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

def exponential_fit(x, a, b, c):
    return a*np.exp(-b*x) + c

x = np.array([0, 1, 2, 3, 4, 5])
y = np.array([30, 50, 80, 160, 300, 580])
fitting_parameters, covariance = curve_fit(exponential_fit, x, y)
a, b, c = fitting_parameters

plt.plot(x, y, 'o', label='data')
plt.plot(x, exponential_fit(x, *fitting_parameters), '-', label='Fit')

plt.axis([0, 8, 0, 2000])
plt.legend()
plt.show()

本returns以下剧情：

现在如何扩展拟合（橙色）曲线使其上升到 x = 8？请注意，我不想创建额外的数据点，我只想扩大拟合曲线的范围。

非常感谢。

Answer 1

您必须为 x 定义一个额外的数据范围，以将其扩展到您的数据点给定的数据范围之外。您甚至可以改进表示并为拟合函数计算更多 x 值：

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

def exponential_fit(x, a, b, c):
    return a*np.exp(-b*x) + c

x = np.array([0, 1, 2, 3, 4, 5])
y = np.array([30, 50, 80, 160, 300, 580])
fitting_parameters, covariance = curve_fit(exponential_fit, x, y)
a, b, c = fitting_parameters

x_min = -4  
x_max = 8                                #min/max values for x axis
x_fit = np.linspace(x_min, x_max, 100)   #range of x values used for the fit function
plt.plot(x, y, 'o', label='data')
plt.plot(x_fit, exponential_fit(x_fit, *fitting_parameters), '-', label='Fit')

plt.axis([x_min, x_max, 0, 2000])
plt.legend()
plt.show()

为了增加灵活性，我引入了 x_min, x_max，因为相同的值用于计算拟合函数使用的 x 值的范围，并用于缩放绘图的轴。 numpy.linspace 在起始值和终止值之间创建一个均匀间隔的样本，用作 x 值以计算拟合函数中相应的 y 值。

Answer 2

x 范围从 0 到 5。如果您希望曲线上升到 8 (or up to eleven)，您需要提供一个范围为 11 的数组...抱歉 8.

x_new = np.linspace(0,11)
plt.plot(x_new, exponential_fit(x_new, *fitting_parameters), '-', label='Fit')

Scipy curve_fit: 如何绘制超出数据点的拟合曲线？

Scipy curve_fit: how to plot the fitted curve beyond the data points?

python

matplotlib

curve-fitting

scipy