尝试使用curve_fit拟合直方图（合并数据）和高斯以获得优化的平均值，标准答案

【问题标题】：Trying to use curve_fit to fit histogram (binned data) with a gaussian to get optimized mean, std尝试使用curve_fit拟合直方图（合并数据）和高斯以获得优化的平均值，标准
【发布时间】：2014-02-28 07:24:12
【问题描述】：

另一个高斯拟合问题，虽然有很多有用的教程/答案，但似乎没有一个能完全解决我的问题。我正在尝试找到适合分箱数据的高斯拟合（从 70-150 运行，总共 100 个数据点）。我是新手，如有错误请见谅。

现在，代码对x_fit 和y_fit 抛出错误，我不知道为什么。

错误是“无效语法”错误，popt 和 pcov 上的括号似乎没有区别。

在我弄清楚之前似乎无法对其余代码进行故障排除，但如果有人对如何优化高斯拟合以适应分级数据有建议，那将非常有帮助。

谢谢！

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

#grabs data from csv - just a list of numbers
#gadata=np.genfromtxt('gaussian-lab1.csv', autostrip=True)

#grabs initial mean/std values from data
m1 = gadata.mean()
s1 = gadata.std()

def gaus(x, a, x0, sigma):
    return a * np.exp(-(x - x0) ** 2 / (2 * sigma ** 2))

data = py.hist(gadata, bins=10)
histx = [0.5 * data[1][i] + data[1][i + 1] for i in xrange(10)]
histy = data[0]

popt, pcov = curve_fit(gaus, histx, histy, p0=(1, m1, s1,))
x_fit = py.linspace(histx[0], histx[-1], 10)
y_fit = gaus(x_fit, *popt)
plt.plot(x_fit, y_fit, color='r')

#plots histogram
plt.hist(gadata, 10, normed=True)

#plots a gaussian with mean/std that matches data.. but want optimized
#fit1 = ss.norm(loc=m1, scale=s1)
#plt.plot(x1, histo.pdf(x1), 'r-', lw=2)

【问题讨论】：

你得到的错误是什么？在上面的代码中，popt, pcov = ... 行缺少括号
@deinonychusaur xfit/yfit 在 popt 上给出“无效语法”错误和括号，pcov 似乎没有区别
另外，在您的 gaus 方法中，curve_fit 可能会发送一个负 sigma，这（如果我的大脑不缺咖啡）应该是无效的。这可以通过在方法中添加sigma = np.log(sigma) 和在选择解决方案后添加popt[2] = np.power(np.e, popt[2]) 来解决。
您能否添加足以重现您的问题的示例数据？
你有两个数据gadata和podata...不是你碰巧改了他们的名字吗？

标签： python histogram gaussian

【解决方案1】：

根据定义，数据与高斯函数的最小二乘拟合与计算数据的均值和标准差相同。在任何维度上都是如此。因此，您可以省去曲线拟合或任何其他拟合方法。

【讨论】：

在我的数据集中，由于数据采集错误，有时我有一两个极端异常值的数据点。它们会严重扭曲均值和标准差。但是，我相当肯定，如果我制作直方图并对其进行拟合，则异常值对我拟合的高斯的均值和标准差的影响要小得多。你说这是假的吗？
在计算平均值和标准差时，您也可以使用异常值排除。