[Python] curve_fit : data로 그래프 그리고 fitting하기

🔼그래프를 쉽게 만들어서 보기 위해 python, numpy를 사용합니다.

그래프를 보여주기 위해 pyplot도 import해줍니다.

import numpy as np
import matplotlib.pyplot as plt

 

 

✅txt에 저장되어 있는 데이터를 array로 가져오기

y = np.loadtxt('trajectory.txt', delimiter = ' ',usecols=2, dtype = 'float')

delimiter :  구분자 기호(나의 경우는 띄어쓰기)

usecols : 어떤 열을 쓸 것인지

 

 

✅x축을 만들어주기(y값과 길이가 같은 array)

x = np.array(range(y.shape[0])).reshape(1,y.shape[0])

❗주의

이렇게하고 출력하면 [[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20]]가 나온다.

curve_fit에 그대로 넣어주면 TypeError: Improper input: N=3 must not exceed M=1 이딴 에러를 발생한다

(이거때문에 한참 고생했는데 구글링해서 발견함)

x = x[0,:]

이렇게 하고 출력하면 [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20] 가 됨.

 

✅커브피팅

from scipy.optimize import curve_fit	#curve_fit을 위해 import

def func(x,a,b,c):		#curve_fitting에 사용할 함수 사전 정의
    return a*x**3+b*x**2+c*x	# 3차 함수
    #return a*np.exp(-(x-b)**2/(2*c**2))	#gaussian function	


popt, pcov = curve_fit(func,x,y)
cur_y = func(x,popt[0],popt[1],popt[2])
plt.plot(x,cur_y)

popt에 func의 a,b,c가 들어가서 cur_y로 새로운 그래프를 만들게 된다.

 

원래 데이터와 (초록)

curve_fit 한 그래프 (파랑)

함께 그려준 모습

 

 

 

---

참고

전산물리학:선형_회귀_분석_linear_regression_analysis [statphys] (pknu.ac.kr)

전산물리학:선형_회귀_분석_linear_regression_analysis [statphys]

기록하고 싶은 기록들 :: Python numpy 데이터피팅, 함수의 해 graph (tistory.com)

Python numpy 데이터피팅, 함수의 해 graph

Graph Plotting in Python | Set 1 - GeeksforGeeks

Graph Plotting in Python | Set 1 - GeeksforGeeks

Numpy array 를 shape로 차원확인 하기 :: 바람이 분다 (tistory.com)

Numpy array 를 shape로 차원확인 하기

[SciPy. Curve_Fit] 쓰기위해서 배우는 최소한의 curve_fit 함수 (tistory.com)

[SciPy. Curve_Fit] 쓰기위해서 배우는 최소한의 curve_fit 함수

4.3.2. Optimization - OneBook(Python & Deep Learning) (gitbook.io)

4.3.2. Optimization - OneBook(Python & Deep Learning)

 

이거는 적용해보진 않았는데 나중에 참고용..

Numpy의 polyfit과 poly1d의 사용법 - 최소제곱법과 polynomial class (pinkwink.kr)

Numpy의 polyfit과 poly1d의 사용법 - 최소제곱법과 polynomial class