迹忆客 专注技术分享

在 Python 中，可以使用 numpy 和 scipy 库来进行对数曲线拟合。

导入库

首先，需要导入 numpy 和 scipy 库，以及要使用的其他库：

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt

定义对数函数

接下来，需要定义要拟合的对数函数。对于任意自变量 x，对数函数的一般形式为：

y = a * np.log(x) + b

其中，a 和 b 是拟合参数。

在定义函数之前，可以创建一些模拟数据来测试拟合过程：

x = np.array([1, 2, 3, 4, 5])
y = np.array([0.1, 0.3, 0.7, 1.5, 1.9])

进行对数曲线拟合

使用 curve_fit 函数进行拟合。该函数需要两个参数：要拟合的函数和数据：

popt, pcov = curve_fit(func, x, y)

其中，popt 是一个包含拟合参数的数组，pcov 是协方差矩阵。可以使用 popt 来访问拟合的参数。

绘制拟合曲线

绘制拟合曲线可以使用以下代码：

xfit = np.linspace(1, 5, 100)
yfit = func(xfit, *popt)

plt.plot(x, y, 'o', label='data')
plt.plot(xfit, yfit, label='fit')
plt.legend()
plt.show()

完整代码如下：

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt

def func(x, a, b):
    return a * np.log(x) + b

x = np.array([1, 2, 3, 4, 5])
y = np.array([0.1, 0.3, 0.7, 1.5, 1.9])

popt, pcov = curve_fit(func, x, y)

xfit = np.linspace(1, 5, 100)
yfit = func(xfit, *popt)

plt.plot(x, y, 'o', label='data')
plt.plot(xfit, yfit, label='fit')
plt.legend()
plt.show()

运行代码，将会得到一条拟合曲线，可以与原始数据进行比较。