使用scipy的正交距离回归的python模块，使数据拟合变得容易。
python-fit的Python项目详细描述
python fit模块是为需要适应数据的人设计的 频繁而迅速。该模块不是为大量 对最小化过程的控制，但试图使拟合 数据简单，无痛。如果你想一天拟合几次数据， 每天，你只想看看你做的衣服是否合身 很好的对照你的数据，看看这个软件。如果你非常想要的话 从统计学上看，你可以考虑 看别处（看一眼）。
使用python-fit，您可以完成工作。
功能
- 内置公共拟合曲线
- 智能计算的内置函数的默认参数 使用你的数据。
- 也适合用户定义的函数。
- 一个随时准备好的契合总是令人愉快地返回。
- 获取拟合参数和相关错误。
- 卡方残差。
示例用法
适合内置功能：
frompylabimport*ion()importfitfromnumpyimportrandom,exprandom.seed(0)# Create some data to fitx=arange(-10,10,.2)# A gaussian of height 10, width 2, centered at zero. With noise.y=10*exp(-x**2/8)+(random.rand(100)-0.5)# No need to provide first guess at parameters for fit.gaus(xf,yf),params,err,chi=fit.fit(fit.gaus,x,y)print"N: %.2f +/- %.3f"%(params[0],err[0])print"N: %.2f +/- %.3f"%(params[1],err[1])print"N: %.2f +/- %.3f"%(params[2],err[2])plot(x,y,'bo',label='Data')plot(xf,yf,'r-',label='Fit')legend()
可用功能：
GaussiancurveExponentialcurveDoubleexponentialPolynomialsfordegrees0-20Power-LawCrystalBall...andmore!
适合用户定义的功能：
x=(4.2105303,5.2631601,6.2405997,7.5187997,8.7218,9.7744402,10.676691,11.65414,12.63158,13.83459,14.887219,16.015039,17.06767,18.270679,19.24812,20.300751,21.50376,23.157888,25.789471,28.345871,30.601501,33.458643,39.022559,46.015039,48.270679)y=(0.18942001,0.2099,0.23891001,0.27816002,0.31911,0.35836001,0.39932001,0.43686003,0.46416002,0.49829001,0.51536004,0.52556,0.51876995,0.5,0.47271,0.44026,0.39249001,0.33106002,0.24060,0.17746,0.13311001,0.11262,0.095566,0.095566,0.095566)x=array(x)y=array(y)# Guassian with quadratic background.defexample_function(params,x):N,mu,sigma,a,b,c=paramsreturnN*exp(-0.5*((x-mu)/sigma)**2)+a*x**2+b*x+c# It will still try to guess parameters, but they are dumb!(xf,yf),p,e,chi=fit.fit(example_function,x,y)plot(x,y,'bo',label='Data')plot(xf,yf,'r-',label='Fit')legend()
即使用户定义了example_function，python fit也会 猜测参数（所有参数的扩展数据的中值；它 如果X和Y的比例相似，则有效）。如果安装失败，则提供 一些不错的参数作为第一个猜测：
results=fit.fit(example_function,x,y,default_pars=[1,12,10,1,1,1])plot(results[0][0],results[0][1],'r--')
适应子范围：
clf()results=fit.fit(fit.gaus,x,y,data_range=[0,23])plot(results[0][0],results[0][1],'r-.')
定义自己的权重以防止异常值对 适合度：
# Create some outliers.y_outlier=y+(random.rand(len(y))**20)*3# I'll just make a cut and say outliers are above 0.55weights=1.*(y_outlier<.55)results=fit.fit(example_function,x,y_outlier,we=weights)clf()plot(x,y_outlier,'bo',label='Data w/ Outliers')plot(results[0][0],results[0][1],'r-.',label='Fit around outliers')
欢迎加入QQ群-->： 979659372
