1

我想问一个关于用户对其他问题的回复的问题，但由于某种原因，评论框没有出现。对不起，如果我做错了什么。

无论如何，关于这个回复： https ://stackoverflow.com/a/11507723/1950164

我有以下问题：如何使用此代码将不同的数据适合不同的功能？我有一个与他解决的问题类似的问题，希望我想拟合累积分布。所以我开始尝试概括代码。我做了三个修改：

a）在计算直方图的那一行之后，我添加了

hist = numpy.cumsum(hist)

这将我们的分布转换为累积分布

b) 我定义了一个新函数，而不是示例中的高斯函数

def myerf(x, *p):
    A, mu, sigma = p
    return A/2. * (1+math.erf((x-mu)/(math.sqrt(2)*sigma)))

这就是高斯的累积分布。

c) 最后，当然，我更改了 curve_fit 线来调用我的函数：

coeff, var_matrix = curve_fit(myerf, bin_centres, hist, p0=p0)

这应该是一个微不足道的练习，但它不起作用。该程序现在返回以下错误消息：

bash-3.2$ python fitting.py
Traceback (most recent call last):
  File "fitting.py", line 27, in <module>
    coeff, var_matrix = curve_fit(myerf, bin_centres, hist, p0=p0)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/minpack.py", line 506, in curve_fit
    res = leastsq(func, p0, args=args, full_output=1, **kw)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/minpack.py", line 348, in leastsq
    m = _check_func('leastsq', 'func', func, x0, args, n)[0]
  File "/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/minpack.py", line 14, in _check_func
    res = atleast_1d(thefunc(*((x0[:numinputs],) + args)))
  File "/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/scipy/optimize/minpack.py", line 418, in _general_function
    return function(xdata, *params) - ydata
  File "fitting.py", line 22, in myerf
    return A/2. * (1+math.erf((x-mu)/(math.sqrt(2)*sigma)))
TypeError: only length-1 arrays can be converted to Python scalars

那么我做错了什么？

奖励：给我一个参考，解释函数参数中的 *p 是什么。

谢谢！

编辑：我尝试使用累积分布数据运行程序，但仍然调用高斯函数。这行得通，你只是不合适。所以错误应该在 myerf 函数的某个地方。

EDIT2：如果我尝试用更简单的东西代替 myerf 函数的返回，比如

return A + mu*x + sigma*x**2

然后它工作。所以在那个回报中一定有一些东西没有做它应该做的事情。

EDIT3：所以，我尝试使用 scipy 中的错误函数而不是数学中的错误函数，现在它可以工作了。我不知道为什么它以前不起作用，但它现在起作用了。所以代码是：

import matplotlib
matplotlib.use('Agg')
import numpy, math
import pylab as pl
from scipy.optimize import curve_fit
from scipy.special import erf

# Define some test data which is close to Gaussian
data = numpy.random.normal(size=10000)

hist, bin_edges = numpy.histogram(data, density=True)
bin_centres = (bin_edges[:-1] + bin_edges[1:])/2
hist = numpy.cumsum(hist)

def myerf(x, *p):
    A, mu, sigma = p
    return A/2. * (  1+erf(((x-mu)/(math.sqrt(2)*sigma)))  )

# p0 is the initial guess for the fitting coefficients (A, mu and sigma above)
p0 = [1., 0., 1.]

coeff, var_matrix = curve_fit(myerf, bin_centres, hist, p0=p0)

# Get the fitted curve
hist_fit = myerf(bin_centres, *coeff)

pl.plot(bin_centres, hist, label='Test data')
pl.plot(bin_centres, hist_fit, label='Fitted data')

# Finally, lets get the fitting parameters, i.e. the mean and standard deviation:
print 'Fitted mean = ', coeff[1]
print 'Fitted standard deviation = ', coeff[2]

pl.savefig('fitting.png')
pl.show()
4

1 回答 1

0

与math函数不同，numpy函数接受向量输入：

>>> import numpy, math
>>> numpy.exp([4,5])
array([  54.59815003,  148.4131591 ])
>>> math.exp([4,5])
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: a float is required
于 2014-02-01T18:45:14.433 回答