时间戳

首页 > 解决方案 > 如何用曲线拟合拟合excel文件的数据？

python - 如何用曲线拟合拟合excel文件的数据？

问题描述

我是python的初学者。我有一个excel文件。它有 4 列。第一列是日期，其他列分别是速度 (v)、温度 (t) 和压力 (p)。这个 excel 文件包含一年的数据。这是我的 excel 文件的示例。

Date        V      t     p
2016-01-01  0.01   2     7
2016-01-02  0.04   2.1   6.6
.
.
.
2016-12-30  0.07   4     5

我想通过线性方程将温度和压力与速度相匹配。

V = a*t+b*p+c

我想通过曲线拟合 Scipy 包找到 a、b 和 c。我想我应该使用循环！这是我的代码。

import pandas as pd
from datetime import datetime, timedelta
from matplotlib import pyplot as plt
from matplotlib import dates as mpl_dates
from matplotlib.dates import date2num
from scipy.optimize import curve_fit
from scipy.optimize import least_squares

df =pd.read_excel ('final-all-filters.xlsx')
x = df['Date']
V = df['V']
t = df['t']
p = df['p']
def model(a, b, c):
        return a*t+b*p+c

popt,pcov = curve_fit (model, t, p, V, maxfev = 10000)
plt.plot(t, p, V, label="Original Noised Data")
plt.plot(t, p, model(t, p, *popt), 'r-', label="Fitted Curve")
plt.legend()
plt.show()

标签： pythonpandasdataframecurve-fittingscipy-optimize

解决方案

您想拟合具有两个自变量（t 和 c）的模型。您需要将 model_fit 的 xdata 参数作为数组 [t,p] 传递，并构造模型函数，例如第一个参数是该数组。像这样的东西：

def model(TP,a, b, c):
    t,p = TP
    return a*t+b*p+c

popt,pcov = curve_fit (model, [t, p], V, maxfev = 10000)

也许插入 p0 参数也是一个好主意，它是一个包含 a、b 和 c 初始猜测的树元素的数组。

请注意，对于 a,b 参数有不止一种解决方案。您可能需要查看文档以获取更多信息

https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.curve_fit.html

推荐阅读