我正在寻找与特定公式匹配的最佳拟合曲线。参数 A 和 B 需要优化

我正在制作一个非常基本的情节。我有一个如下所示的 csv 数据集：

我正在用 matplotlib 像这样绘制它：

这给出了： 一个漂亮的图表

根据我的知识和以前在这里找到的答案，我知道在绘制给定方程或范围或类似内容时如何计算最佳拟合线。但是，找到最适合给定数据集的线的最佳方法是什么？

非常感谢！

在 Excel 中使用日期填充时，有 4 个选项。

补天。填写工作日。填满月。填满岁月。

我正在尝试实现电子表格应用程序的基本功能。我已经通过使用最小二乘法通过找到最适合的线（ https://superuser.com/questions/1334032/what-exactly-is-excels-auto-fill-algorithm）实现了正常数值的填充系列。

如果我们一般填写日期，那很简单。因为每个日期值都可以转换为某个 EPOCH 值，并且基于这些长整数值，所以可以找到最佳拟合线并填充这些值。

例子

1/1/1970 - 1

1970 年 4 月 1 日 - 4

因此可以找到7、10、13...的值，并可以生成相应的日期值。

如何对工作日、月份和年份采用相同的方法？Excel 对这 3 组的填充似乎很复杂，很难理解和找到模式。

更新：

灰色的单元格是用户输入的初始值。我已经在Weekdays的每一列中填写了日期。我无法得出工作日填写日期的任何模式。

我正在尝试拟合幂律函数，以找到最佳拟合参数。但是，我发现如果参数的初始猜测不同，“最佳拟合”输出就会不同。除非我找到正确的初始猜测，否则我可以获得最佳优化，而不是局部优化。有没有办法找到**适当的初始猜测** ????。我的代码在下面列出。请随时输入。谢谢！

如果我与默认的初始猜测一致，则 p0 = [1,1,1]

合身如下，这不是最合适的。

如果我将初始猜测更改为 p0 = [0.5,0.5,0.5]

我可以得到最合适的

--------------------- 2018 年 7 月 10 日更新--------- -------------------------------------------------- -----------------------------------------------------------

由于我需要运行数千甚至数百万次幂律函数，使用@James Phillips 的方法太昂贵了。那么除了curve_fit还有什么合适的方法呢？例如 sklearn、np.linalg.lstsq 等。

我在 matplotlib 中针对 2d 数组（y 轴）绘制一个 1d 数组（x 轴），因此每个 x 值有多个 y 值。我想绘制一条最佳拟合直线（线性回归），而不仅仅是一条连接点的线。我怎样才能做到这一点？？？

所有其他示例似乎每个 x 值只有一个 y 值。当我使用'from sklearn.linear_model import LinearRegression'时，我得到的最佳拟合线与每个 x 值的 y 值一样多。

编辑：这是我尝试过的代码：

注意：x_axis2 是一维数组，av_rsq3 是二维数组。

我正在尝试将最佳拟合线应用于显示 NDVI 随时间推移的时间序列，但我一直遇到错误。在这种情况下，我的 x 是不同的日期，因为字符串的间距不均匀，y 是每个日期使用的 NDVI 值。当我在 numpy 中使用 poly1d 函数时，出现以下错误：

我附上了我正在使用的数据集的样本

任何帮助修复我的代码或更好的方法我可以获得最适合我的数据的线？

I have two variables, y being the number of targets achieved and x the number of individuals involved in the operation. The relationship is positive and non-linear (there are only so many individuals you can add before the returns of adding individuals are diminishing), however I am not sure what is the function of x that best predict y.

Using Python, I would like to find the best fitting line/function and identify the maximum of the function to advise how many individuals include in each team to achieve the maximum number of targets [controlling for different variables]

How to do it?

似乎单个数组值在 gnuplot 中的工作方式与普通变量不同。

我已经尝试了下面给出的以下代码。

我收到以下错误：line 11: unknown type in real()

请注意，如果我更改数组p[1], p[2], p[3]，a, b, c则代码有效。

为完整起见，部分数据如下（应保存为“datafile.txt”）：

所以我的问题是：

1. 我的假设是否正确，即 gnuplot 数组与正常变量的工作方式不同？
2. 有没有办法使数组的行为方式与普通变量相同？

假设双曲线的一般公式为 y = 1 / (a*x + b)，我们提供了 100 个数据点，其中 99 个点完全符合双曲线，1 个数据点不符合（未知） ，从这些信息中，我们需要找到将由提供的正确数据点形成的双曲线的 a 和 b 参数的近似值。

我采用的方法是使用 scipy.optimize.curve_fit 方法作为“参数，_ = optimize.curve_fit(test, x_data ,y_data)”，其中我的“测试”函数是“def test(x, a, b): return 1 / (a*x + b)" 使用这种方法为我提供了完美的解决方案，我的数据点都在第一象限，但是如果数据分布在多个象限中，那么这种方法会失败，我得到错误的 a 和 b 值.

代码：

上述解决方案肯定会受到赞赏。

我创建了一个 μ 子衰减直方图，并希望找到 r^2 值并显示我绘制的最佳拟合曲线的函数。

我正在使用 scipy.stats expon.fit 函数来生成曲线，我将如何将生成的曲线显示为方程和相应的 r^2 值？

我试过谷歌这个问题。我发现的所有东西都用于散点图或 np.polyfit。我尝试过 print(P)，但它当然只是打印了有序对。

感谢您的帮助！