datetime曲线拟合时exp溢出

Question

我尝试使用curve_fit来拟合datetime与float数据。据我所知，曲线拟合不适用于datetime，因此我首先必须将数据转换为数值。这给了我非常大的x值，导致exp函数溢出。我的代码如下。如果我用多项式而不是指数拟合，同样的代码也能工作

    def func(x, a):
        return (np.exp(a*x))

    def fit_exponential(gd):
        gdtemp['Date'] = pd.to_datetime(gdtemp.Date)

        mask = (gdtemp['Date'] > '2020-01-30') & (gdtemp['Date'] <= '2020-03-20')

        gdtemp = gdtemp.loc[mask].copy()

        x = pd.to_numeric(gdtemp.Date)
        y=gdtemp['Confirmed']

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

如何修改代码以使用指数型

---

关于如何解决这个问题，我有两个想法，但不确定如何实施：

第一个想法：不要将with转换为numeric，而是以其他方式生成较小的数字。我的输入数据相当简单，每天只包含一行，所以我不需要时间或其他任何东西。是否还有另一个类似于_numeric（）的函数忽略时间部分并生成较小的数字

第二个想法：将数字日期值除以某个大数字，然后再相乘。我应该用什么数字来除法

Answer 1

我解决了这个问题，将大数值x值映射到区间[0；1]，并在此区间上进行拟合

主要修改如下：

small_x = (x - x.min()) / (x.max() - x.min())
popt, pcov = curve_fit(func4 ,small_x, y )

指数中的值现在是合理的（在我的例子中是1的数量级），并且溢出没有问题

如果没有这个映射，我将得到非常大的x值（大约10^（15））和非常小的a值（大约10^（-15）），这显然是fittng函数不喜欢的