替代品scipy.optimize.curve_-fi

Question

我试图用matplotlib绘制一些可视化效果，在我的一个函数中，我检查波是否是对数的。这是我当前的工作版本：

import numpy as np
def is_logarithmic(waves):

    def expfunc(x, a, b, c):
        return a*np.exp(b*x) + c

    wcopy = list(waves)
    wcopy.sort()

    # If the ratio of x-max : x-min < 10, don't use a logarithmic scale
    # (at least in matplotlib)
    if (wcopy[-1] / wcopy[0]) < 10:
        return False

    # Take a guess at whether it is logarithmic by seeing how well the x-scale
    # fits an exponential curve
    diffs = []
    for ii in range(len(wcopy) - 1):
        diffs.append(wcopy[ii + 1] - wcopy[ii])

    # Fit the diffs to an exponential curve
    x = np.arange(len(wcopy)-1)
    try:
        popt, pcov = curve_fit(expfunc, x, diffs)
    except Exception as e:
        print e
        popt = [0.0, 0.0, 0.0]
        pcov = np.inf

    # If a > 0.5 and covsum < 1000.0
    # use a logarithmic scale.
    if type(pcov) == float:
        # It's probably np.inf
        covsum = pcov
    else:
        covsum = pcov.diagonal().sum()
    res = (covsum < 1000.0) & (popt[0] > 0.5)
    return res

我正试图找到一个替代scipy的curve_fit()，因为我不想安装这么大的库来使用这个函数。还有什么我可以使用的，或者其他函数的组合，从理想情况下只使用numpy和matplotlib来获得类似的结果吗？在

Answer 1

您还可以使用lmfit.models库，它有很多预定义的模型。在

https://lmfit.github.io/lmfit-py/

https://lmfit.github.io/lmfit-py/builtin_models.html#exponential-and-power-law-models

它还支持自定义函数。在

Answer 2

Numpy可以进行线性（numpy.linalg.lstsq）和多项式拟合（numpy.polyfit）。一般来说，您需要scipy来适应您自己定义的函数（scipy使用fortran minpack，而numpy只使用C构建）。在

但是，对于您的例子，您可以使用类似的方法来处理this问题来拟合一个经验值。基本上，取方程两边的对数算法并使用numpy.polyfit。在