我想在scipy中使用curve_fit为曲线拟合曲线 . 我搜索了语法后发现了这个，
import numpy as np
from scipy.optimize import curve_fit
def func(x, a, b, c):
return a * np.exp(-b * x) + c
xdata = np.linspace(0, 4, 50)
y = func(xdata, 2.5, 1.3, 0.5)
ydata = y + 0.2 * np.random.normal(size=len(xdata))
popt, pcov = curve_fit(func, xdata, ydata)
但是文档并不是很清楚，特别是关于函数func的参数，我知道x是自变量值的numpy数组，但是a，b和c是什么？此外，这条线是什么意思，
a * np.exp(-b * x) + c
计算y我们用自变量和其他参数调用func，但是什么是ydata？为什么我们这样计算，
ydata = y + 0.2 * np.random.normal(size=len(xdata))
最后一件事，如果我通过scipy在某个函数中得到拟合模型（等式），我怎么能在另一个函数中使用它？
任何帮助表示赞赏 . 谢谢 .
1 回答
curve_fit拟合一组数据ydata，每个点以自变量x的值给出，用于某个模型函数 . 在该示例中，模型函数是a * exp(-b * x) + c，其中a，b和c是要确定以最佳地表示具有此模型的数据的一些常量 .由
func计算的y是每个数据点x处的模型函数的值 .在该示例中，
ydata由拟合函数模拟，并添加了一些随机高斯（正态分布）噪声：您可以通过将
y（绿线）和ydata（蓝点）与xdata绘图来查看：要使用拟合参数
popt，请将它们传递给func：绘图将显示“精确”（绿线）和拟合（蓝线）的比较：