python拟合圆
① python拟合指数函数初始值如何设定
求拟合函数，首先要有因变量和自变量的一组测试或实验数据，根据已知的曲线y=f(x)，拟合出Ex和En系数。当用拟合出的函数与实验数据吻合程度愈高，说明拟合得到的Ex和En系数是合理的。吻合程度用相关系数来衡量，即R^2。首先，我们需要打开Python的shell工具，在shell当中新建一个对象member，对member进行赋值。 2、这里我们所创建的列表当中的元素均属于字符串类型，同时我们也可以在列表当中创建数字以及混合类型的元素。 3、先来使用append函数对已经创建的列表添加元素，具体如下图所示，会自动在列表的最后的位置添加一个元素。 4、再来使用extend对来添加列表元素，如果是添加多个元素，需要使用列表的形式。 5、使用insert函数添加列表元素，insert中有两个参数，第一个参数即为插入的位置，第二个参数即为插入的元素。origin拟合中参数值是程序拟合的结果，自定义函数可以设置参数的初值，也可以不设定参数的初值。
一般而言，拟合结果不会因为初值的不同而有太大的偏差，如果偏差很大，说明数据和函数不太匹配，需要对函数进行改正。X0的迭代初始值选择与求解方程，有着密切的关系。不同的初始值得出的系数是完全不一样的。这要通过多次选择和比较，才能得到较为合理的初值。一般的方法，可以通过随机数并根据方程的特性来初选。
② 已知半径，如何用一组点集拟合圆
额。。。举个例子吧
例如：半径为1，圆心在原点的圆 {(x,y)|x^2+y^2=1}
↓
半径
有疑问请追问
你这问题一补充，我的回答像笑话咯？不好玩，不玩了。
③ 已知xy几组数据，怎么拟合圆求圆心，求代码
％Lkzb.txt，应该是至少两个的行或列的数据，x和y坐标。
％有两种：
数据=的负载（'lkzb.txt'）;
所述数据（：，1）;
Y =数据（：，2）; BR /> [center_x center_y半径] = CircleFit（X，Y）;
％以下功能可以圆拟合
功能CirclePara CircleFit（X，Y） N =长度（x）的％长度（Y）
X1 = 0，X2 = 0; X3 = 0;
Y1 = 0; Y2 = 0; Y3 = 0;
X1Y1 = 0; BR /> X1Y2 = 0;
X2Y1 = 0;
对于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）;
结束
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怎样过原点作直线拟合
以变量y与x为例，命令为：
twoway (scatter y x) (lfit y x, est(noc))
⑤ Python 怎么用曲线拟合数据
Python中利用guiqwt进行曲线数据拟合。
示例程序：
⑥ 拟合圆有没有比较精确的算法
有一个思路供参考.
设样本点(Xi, Yi)位于自变量为(x, y)的圆上, 圆方程为:
(x-x0)^2 + (y-y0)^2 = r^2
换一种思路, 上述方程可以看成关于(x0, y0, r)的方程, 以(x,y)为参量, 对应一个3维曲面.
这样, 任意一个样本点都对应一个3维曲面.
首先, 粗略限定(x0, y0, r)的范围.
然后, 确定步长. 将x0, y0离散化. 这样, 一个(Xi, Yi), 能得到3个矩阵(分别与x0, y0, r对应)
然后, 对于全部的3维曲面, 搜索密度最大的区域.
对于区域内部的点, 分别对x0, y0, r计算平均值. 就是待求的圆心坐标(x0, y0)和半径r
⑦ Python怎么实现非线性的拟合
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怎样做高斯拟合
需要载入numpy和scipy库，若需要做可视化还需要matplotlib（附加dateutil,pytz,pyparsing,cycler,setuptools库）。不画图就只要前两个。
如果没有这些库的话去 http://www.lfd.uci.e/~gohlke/pythonlibs/ 下载对应版本，之后解压到 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 怎么用Python将图像边界用最小二乘法拟合成曲线
本文实例讲述了Python基于最小二乘法实现曲线拟合。分享给大家供大家参考，具体如下：
这里不手动实现最小二乘，调用scipy库中实现好的相关优化函数。
考虑如下的含有4个参数的函数式：
希望本文所述对大家Python程序设计有所帮助。
⑩ 圆线拟合函数
你填充的方法不对，你将你要填充的部分用线重新划线连成一个封闭的框然后做面域再填充。