python scipy.optimize curve_fit 多高斯拟合

最新推荐文章于 2026-07-28 16:45:10 发布

原创最新推荐文章于 2026-07-28 16:45:10 发布 · 2.7w 阅读

31 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

Python学习

当前文章被收录于：

Python学习

74 篇文章 2 人学习

Python使用，安装，脚本，概念，原理，算法

订阅专栏查看详情

python

当前文章被收录于：

python

73 篇文章 1 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

本文介绍了一种使用Python的Scipy库进行双峰高斯曲线拟合的方法。通过定义高斯函数并利用curve_fit函数，实现了对给定数据集的有效拟合，并通过PyLab进行了结果展示。

import numpy as np
import pylab as plt
#import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
from scipy import asarray as ar,exp

x = ar(range(10))
y = ar([0,1,2,3,4,5,4,3,2,1])


def gaussian(x,*param):
    return param[0]*np.exp(-np.power(x - param[2], 2.) / (2 * np.power(param[4], 2.)))+\
           param[1]*np.exp(-np.power(x - param[3], 2.) / (2 * np.power(param[5], 2.)))


popt,pcov = curve_fit(gaussian,x,y,p0=[3,4,3,6,1,1])
print popt
print pcov

plt.plot(x,y,'b+:',label='data')
plt.plot(x,gaussian(x,*popt),'ro:',label='fit')
plt.legend()
plt.show()