Python实现曲线拟合操作示例【基于numpy,scipy,matplotlib库】
本文实例讲述了Python实现曲线拟合操作。分享给大家供大家参考,具体如下:
这两天学习了用python来拟合曲线。
一、环境配置
本人比较比较懒,所以下载的全部是exe文件来安装,安装按照顺利来安装。自动会找到python的安装路径,一直点下一步就行。还有其他的两种安装方式:一种是解压,一种是pip。我没有尝试,就不乱说八道了。
没有ArcGIS 环境的,可以不看下面这段话了。
在配置环境时遇见一个小波折,就是原先电脑装过ArcGIS10.2 ,所以其会默认安装python2.7,而且python是32位的。且其目录为C:\Python27\ArcGIS10.2,所以引用环境变量时,要注意。并且在其引用的工具包中本身包含numpy,matplotlib的包。还是很方便的。但是因为之前想用PyQT来做曲线拟合的界面,安装QT时总是失败,所以最后放弃使用这个。在安装新的python时注意要把路径写到上面这个路径前面,意思就是说在安装上面的包的时候会找默认python路径。我新安装python路径为C:\Python2,要不然就会找到ArcGIS那个python包路径下了。
1. 安装包
python2.7 (32位)https://www.python.org/downloads/
numpy-1.8.1-win32-superpack-python2.7
scipy-0.15.1-win32-superpack-python2.7
matplotlib-1.3.1.win32-py2.7
安装过程中遇见的问题
提示
numpy是Python的一种开源的数值计算扩展,数学计算很方便。
scipy是一款方便、易于使用、专为科学和工程设计的Python工具包.它包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理,常微分方程求解器等等.这次还没用到,看介绍很强大,是numpy的升级版。
matplotlib是Python的一种开源的扩展可以绘制各种各种的图表。
二、实例
曲线拟合的例子
import matplotlib.pyplot as plt import math import numpy as np import random import csv plt.rcParams['font.sans-serif'] = ['SimHei']#设置显示中文 fig = plt.figure() ax = fig.add_subplot(111)#将画布分割成1行1列,图像画在从左到右从上到下的第1块 #阶数为6阶 order=6 #生成曲线上的各个点 dataMat = np.loadtxt(open("c:\\yandu.csv","rb"),delimiter=",",skiprows=0) size=dataMat.shape num=size[0] trandata=np.transpose(dataMat)#矩阵转置 xa=trandata[0]#得到天数数组(横坐标) ya=trandata[1]#实测盐度值数组 #数据筛选,去除盐度值为零的,提高拟合精度 i=0 x=[] y=[] for yy in ya: if yy>0: xx=xa[i] i+=1 x.append(xx) y.append(yy) #绘制原始数据 ax.plot(x,y,label=u'原始数据',color='m',linestyle='',marker='.') #计算多项式 c=np.polyfit(x,y,order)#拟合多项式的系数存储在数组c中 yy=np.polyval(c,x)#根据多项式求函数值 #进行曲线绘制 x_new=np.linspace(0, 365, 2000) f_liner=np.polyval(c,x_new) #ax.plot(x,y,color='m',linestyle='',marker='.') ax.plot(x_new,f_liner,label=u'拟合多项式曲线',color='g',linestyle='-',marker='') # labels标签设置 ax.set_xlim(0, 366) ax.set_xlabel(u'天') ax.set_ylabel(u'盐度') ax.set_title(u'盐度的日变化', bbox={'facecolor':'0.8', 'pad':5}) ax.legend() plt.show()
运行结果:
PS:这里再为大家推荐两款相似的在线工具供大家参考:
在线多项式曲线及曲线函数拟合工具:
http://tools.jb51.net/jisuanqi/create_fun
在线绘制多项式/函数曲线图形工具:
http://tools.jb51.net/jisuanqi/fun_draw
更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》
希望本文所述对大家Python程序设计有所帮助。