如何在python中拟合高斯曲线？ [英] How can I fit a gaussian curve in python?

问题描述

给了我一个数组，当我绘制它时，我得到了带有一些噪声的高斯形状。我想适合高斯人。这是我已经拥有的，但是当我绘制它时，我没有得到拟合的高斯，而是得到一条直线。我已经尝试了许多不同的方法，但我只是想不通。

  random_sample = norm.rvs（h） 
 
参数= norm.fit（h）
 
 fit_pdf = norm.pdf（f，loc = parameters [0]，scale = parameters [1]）$ ​​b 
 $ b normal_pdf = norm.pdf（f）
 
 plt.plot（f，fitted_pdf， green）
 plt.plot（f，normal_pdf， red）
 plt.plot（f，h）
 plt.show（）
  

解决方案

您可以使用

蓝色框是数据的直方图，绿线是具有拟合参数的高斯。

I'm given an array and when I plot it I get a gaussian shape with some noise. I want to fit the gaussian. This is what I already have but when I plot this I do not get a fitted gaussian, instead I just get a straight line. I've tried this many different ways and I just can't figure it out.

random_sample=norm.rvs(h)

parameters = norm.fit(h)

fitted_pdf = norm.pdf(f, loc = parameters[0], scale = parameters[1])

normal_pdf = norm.pdf(f)

plt.plot(f,fitted_pdf,"green")
plt.plot(f, normal_pdf, "red")
plt.plot(f,h)
plt.show()

解决方案

You can use fit from scipy.stats.norm as follows:

import numpy as np
from scipy.stats import norm
import matplotlib.pyplot as plt

data = np.random.normal(loc=5.0, scale=2.0, size=1000)
mean,std=norm.fit(data)

norm.fit tries to fit the parameters of a normal distribution based on the data. And indeed in the example above mean is approximately 5 and std is approximately 2.

In order to plot it, you can do:

plt.hist(data, bins=30, normed=True)
xmin, xmax = plt.xlim()
x = np.linspace(xmin, xmax, 100)
y = norm.pdf(x, mean, std)
plt.plot(x, y)
plt.show()

The blue boxes are the histogram of your data, and the green line is the Gaussian with the fitted parameters.

这篇关于如何在python中拟合高斯曲线？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！