我有以下代码,可以对三组不同的时间范围内的三组数据(计数率与时间)进行过批:
#!/usr/bin/env python
from pylab import rc, array, subplot, zeros, savefig, ylim, xlabel, ylabel, errorbar, FormatStrFormatter, gca, axis
from scipy import optimize, stats
import numpy as np
import pyfits, os, re, glob, sys
rc('font',**{'family':'serif','serif':['Helvetica']})
rc('ps',usedistiller='xpdf')
rc('text', usetex=True)
#------------------------------------------------------
tmin=56200
tmax=56249
data=pyfits.open('http://heasarc.gsfc.nasa.gov/docs/swift/results/transients/weak/GX304-1.orbit.lc.fits')
time = data[1].data.field(0)/86400. + data[1].header['MJDREFF'] + data[1].header['MJDREFI']
rate = data[1].data.field(1)
error = data[1].data.field(2)
data.close()
cond = ((time > tmin-5) & (time < tmax))
time=time[cond]
rate=rate[cond]
error=error[cond]
errorbar(time, rate, error, fmt='r.', capsize=0)
gca().xaxis.set_major_formatter(FormatStrFormatter('%5.1f'))
axis([tmin-10,tmax,-0.00,0.45])
xlabel('Time, MJD')
savefig("sync.eps",orientation='portrait',papertype='a4',format='eps')
因为,这样的话,情节太混乱了,我想去拟合曲线。 我试过用单变量pline,但这完全弄乱了我的数据。 有什么建议吗? 我应该先定义一个函数来适应这些数据吗? 我还寻找“最小平方”:这是解决这个问题的最佳方法吗?在
我就是这样解决的:
来自here。在
如果我想用不同的函数来拟合曲线的上升和下降部分呢?在
我用这个来装衣服。它是从网上某处改编的,但我忘了在哪儿。在
相关问题 更多 >
编程相关推荐