如何将 curve_fit 与 barplot 一起使用？

Question

我刚开始使用 scipy.optimize 中的 curve_fit() 函数，但我无法使用它。我有一个条形图，非常简单，我想创建一条“适合”它的曲线。

我的代码：

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

x = [i for i in range(15)]
y = [1,3,4,6,8,4,2,1,5,8,6,5,5,8,5]

plt.bar(x,y,color='yellow')
plt.show()

# that is working

curve_fit(x,y) # I want the curve to fit the barplot 
# but it returns an error...

plt.show()

结果：由于 curve_fit.

而出错

如果你能帮助我，那就太好了。

那是bonus，不要浪费太多时间，但是你知道怎么做曲线和预测吗？例如，结果可能是：

Answer 1

`curve_fit`

您需要将拟合函数传递给curve_fit。请注意，对于这么小的样本，您绘制的线非常过拟合，需要 high-order 多项式（即使三次拟合也不会像那样）。

下面是一个使用四次拟合函数的例子f_curve4:

# curve_fit requires x and y to be arrays (not lists)
x = np.arange(15)
y = np.array([1, 3, 4, 6, 8, 4, 2, 1, 5, 8, 6, 5, 5, 8, 5])

plt.bar(x, y, color='cyan')

# fit
f_curve4 = lambda x, a, b, c, d, e: a*x**4 + b*x**3 + c*x**2 + d*x + e
popt, pcov = curve_fit(f_curve4, x, y)
plt.plot(x, f_curve4(x, *popt), '--', label='fit')

# forecast
x_new = np.arange(max(x), max(x) + 2)
plt.plot(x_new, f_curve4(x_new, *popt), 'r:', label='forecast')

`polyfit`

或者使用 polyfit 并直接传递 deg=N 而无需手动定义 Nth-order 拟合函数：

plt.bar(x, y, color='cyan')

# fit
f_poly4 = np.polyfit(x, y, deg=4)
x_fit = np.linspace(min(x), max(x), 100)
y_fit = np.polyval(f_poly4, x_fit)
plt.plot(x_fit, y_fit, '--', label='fit')

# forecast
x_new = np.linspace(max(x), max(x) + 1, 10)
y_new = np.polyval(f_poly4, x_new)
plt.plot(x_new, y_new, 'r:', lw=2, label='forecast')

`interp1d`

根据您的用例，考虑使用 interp1d 进行插值而不是拟合多项式。下面是使用三次插值函数的例子 f_interp:

plt.bar(x, y, color='cyan')

f_interp = interpolate.interp1d(x, y, kind='cubic')
x2 = np.linspace(min(x), max(x), 100)
plt.plot(x2, f_interp(x2), '--')

如何将 curve_fit 与 barplot 一起使用？

How to use curve_fit with barplot?

python

matplotlib

scipy

bar-chart

forecast

`curve_fit`

`polyfit`

`interp1d`