python擬合圓
① python擬合指數函數初始值如何設定
求擬合函數，首先要有因變數和自變數的一組測試或實驗數據，根據已知的曲線y=f(x)，擬合出Ex和En系數。當用擬合出的函數與實驗數據吻合程度愈高，說明擬合得到的Ex和En系數是合理的。吻合程度用相關系數來衡量，即R^2。首先，我們需要打開Python的shell工具，在shell當中新建一個對象member，對member進行賦值。 2、這里我們所創建的列表當中的元素均屬於字元串類型，同時我們也可以在列表當中創建數字以及混合類型的元素。 3、先來使用append函數對已經創建的列表添加元素，具體如下圖所示，會自動在列表的最後的位置添加一個元素。 4、再來使用extend對來添加列表元素，如果是添加多個元素，需要使用列表的形式。 5、使用insert函數添加列表元素，insert中有兩個參數，第一個參數即為插入的位置，第二個參數即為插入的元素。origin擬合中參數值是程序擬合的結果，自定義函數可以設置參數的初值，也可以不設定參數的初值。
一般而言，擬合結果不會因為初值的不同而有太大的偏差，如果偏差很大，說明數據和函數不太匹配，需要對函數進行改正。X0的迭代初始值選擇與求解方程，有著密切的關系。不同的初始值得出的系數是完全不一樣的。這要通過多次選擇和比較，才能得到較為合理的初值。一般的方法，可以通過隨機數並根據方程的特性來初選。
② 已知半徑，如何用一組點集擬合圓
額。。。舉個例子吧
例如：半徑為1，圓心在原點的圓 {(x,y)|x^2+y^2=1}
↓
半徑
有疑問請追問
你這問題一補充，我的回答像笑話咯？不好玩，不玩了。
③ 已知xy幾組數據，怎麼擬合圓求圓心，求代碼
％Lkzb.txt，應該是至少兩個的行或列的數據，x和y坐標。
％有兩種：
數據=的負載（'lkzb.txt'）;
所述數據（：，1）;
Y =數據（：，2）; BR /> [center_x center_y半徑] = CircleFit（X，Y）;
％以下功能可以圓擬合
功能CirclePara CircleFit（X，Y） N =長度（x）的％長度（Y）
X1 = 0，X2 = 0; X3 = 0;
Y1 = 0; Y2 = 0; Y3 = 0;
X1Y1 = 0; BR /> X1Y2 = 0;
X2Y1 = 0;
對於i = 1：N
X1 = X1 + X（I）;，
X2 = X2 + X（I） ^ 2;
X3 = X3 + X（I）^ 3;
Y1 = Y1 + Y（I）;的
Y2 = Y2 + Y（I）^ 2;
Y3 = Y3 + Y（I）^ 3;
X1Y1 = X1Y1 + X（I）* Y（I）;
X1Y2 = X1Y2 + X（I）* Y（I）^ 2; BR /> X2Y1 = X2Y1 + X（I）^ 2 * Y（I）;
結束
C = N * X2 - X1 ^ 2;
D = N * X1Y1 - X1 * Y1;
é= N * X3 + N * X1Y2 - （X2 + Y2）* X1;
G =* Y2 - Y1 ^ 2;
H = N * X2Y1 + N * Y3 - （X2 + Y2）* Y1;
=（H * DE * G）/（C * GD * D）;
B =（H * CE * D）/（D * DG * C）;
C = - （* X1 + B * Y1 + X2 + Y2）/ N;
A = A /（-2）;
B = B /（ - 2）;
R = SQRT（A * A + B * B-4 * C）/ 2;
θ= linspace（0,2 * PI，1000）; X = R * COS（θ）;
Y = R * SIN（θ）;
CirclePara = [ABR];
④ python怎樣過原點作直線擬合
以變數y與x為例，命令為：
twoway (scatter y x) (lfit y x, est(noc))
⑤ Python 怎麼用曲線擬合數據
Python中利用guiqwt進行曲線數據擬合。
示常式序：
⑥ 擬合圓有沒有比較精確的演算法
有一個思路供參考.
設樣本點(Xi, Yi)位於自變數為(x, y)的圓上, 圓方程為:
(x-x0)^2 + (y-y0)^2 = r^2
換一種思路, 上述方程可以看成關於(x0, y0, r)的方程, 以(x,y)為參量, 對應一個3維曲面.
這樣, 任意一個樣本點都對應一個3維曲面.
首先, 粗略限定(x0, y0, r)的范圍.
然後, 確定步長. 將x0, y0離散化. 這樣, 一個(Xi, Yi), 能得到3個矩陣(分別與x0, y0, r對應)
然後, 對於全部的3維曲面, 搜索密度最大的區域.
對於區域內部的點, 分別對x0, y0, r計算平均值. 就是待求的圓心坐標(x0, y0)和半徑r
⑦ Python怎麼實現非線性的擬合
import matplotlib.pyplot as ptimport numpy as npfrom scipy.optimize import leastsqfrom pylab import *time = []counts = []for i in open('/some/folder/to/file.txt', 'r'):
segs = i.split()
time.append(float(segs[0]))
counts.append(segs[1])time_array = arange(len(time), dtype=float)counts_array = arange(len(counts))time_array[0:] = time
counts_array[0:] = counts
def model(time_array0, coeffs0):
a = coeffs0[0] + coeffs0[1] * np.exp( - ((time_array0-coeffs0[2])/coeffs0[3])**2 )
b = coeffs0[4] + coeffs0[5] * np.exp( - ((time_array0-coeffs0[6])/coeffs0[7])**2 )
c = a+b return c
⑧ python怎樣做高斯擬合
需要載入numpy和scipy庫，若需要做可視化還需要matplotlib（附加dateutil,pytz,pyparsing,cycler,setuptools庫）。不畫圖就只要前兩個。
如果沒有這些庫的話去 http://www.lfd.uci.e/~gohlke/pythonlibs/ 下載對應版本，之後解壓到 C:Python27Libsite-packages。
importnumpyasnp
importpylabasplt
#importmatplotlib.pyplotasplt
fromscipy.optimizeimportcurve_fit
fromscipyimportasarrayasar,exp
x=ar(range(10))
y=ar([0,1,2,3,4,5,4,3,2,1])
defgaussian(x,*param):
returnparam[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])
printpopt
printpcov
plt.plot(x,y,'b+:',label='data')
plt.plot(x,gaussian(x,*popt),'ro:',label='fit')
plt.legend()
plt.show()
⑨ 怎麼用Python將圖像邊界用最小二乘法擬合成曲線
本文實例講述了Python基於最小二乘法實現曲線擬合。分享給大家供大家參考，具體如下：
這里不手動實現最小二乘，調用scipy庫中實現好的相關優化函數。
考慮如下的含有4個參數的函數式：
希望本文所述對大家Python程序設計有所幫助。
⑩ 圓線擬合函數
你填充的方法不對，你將你要填充的部分用線重新劃線連成一個封閉的框然後做面域再填充。