自适应曲线拟合工具

自适应曲线拟合是一种为您的研究数据寻找潜在最优模型的工具。它基于scipy、numpy和matplotlib。

目录

• 为什么是这个工具？
• 安装、更新和卸载
  • 安装
  • 更新
  • 卸载
• 用法
  • 导入需要的模块
  • 进行曲线拟合
  • 生成预期模型
  • 重新使用拟合曲线
• 短缺
• 如何引用？
• 变更日志

为什么是这个工具

自适应曲线拟合与numpy.polyfit、scipy.optimize.curve_fit或scipy.optimize.least_squares的区别在于您不知道要拟合哪个模型的假设。如果你已经有了预期的模型，scipy和numpy中的方法是很棒的工具，而且比这个更好。当您探索未知事物时，这将是一个可能。

安装、更新和卸载

安装

使用pip快速安装：

pip install adaptive-curvefitting

或者来自github：

pip install git+https://github.com/longavailable/adaptive-curvefitting

更新

pip install --upgrade adaptive-curvefitting

卸载

pip uninstall adaptive-curvefitting

用法

导入需要的模块

一般来说，

import longscurvefitting

或导入指定函数：

from longscurvefitting import oneClickCurveFitting
from longscurvefitting import generateFunction
from longscurvefitting import generateModels

进行曲线拟合

oneClickCurveFitting(xdata, ydata)

有一些可选参数oneClickCurveFitting。

• 功能：指定或所有（默认）基本模型（模型名称）以适应。
  • 类型：字符串列表
  • 默认值：basicModels_nameList
• 分段：如果考虑自定义分段函数。当数据大小小于 20 时，强制不要“分段”。
  • 类型：布尔
  • 默认值：假
• operator：基本模型之间的操作。
  • 类型：字符串
  • 默认值：'+'
• maxCombination：基本模型的最大组合数。
  • 类型：整数
  • 默认值：2
• plot_opt：最优模型的图数。
  • 类型：整数
  • 默认值：10
• xscale: {"linear", "log", "symlog", "logit", ...} 之一
  • 类型：字符串
  • 默认值：无
• yscale: {"linear", "log", "symlog", "logit", ...} 之一
  • 类型：字符串
  • 默认值：无
• filename_startwith：作为输出文件名一部分的自定义字符串标记
  • 类型：字符串
  • 默认值：“曲线拟合”
• 静音：要监控的最小输出
  • 类型：布尔值
  • 默认值：假
• 反馈：如果为真，返回最优模型（函数对象），参数
  • 类型：布尔值
  • 默认值：假
• kwargs：传递给curve_fit_m. 注意bounds和p0多模型时无效。
  • 类型：字典

请参阅完整示例“ /tests/curvefitting.py ”。

生成预期模型

创建一个由 gaussian 和 erf 函数合成的模型：

funcs = ['gaussian','erf']
myfunc = generateFunction(funcs, functionName='myfunc', operator='+')['model']

请参阅完整示例“ /tests/custom_a_model.py ”。

重新使用拟合曲线

请参阅完整示例“ /tests/reuse_the_fitted_model.py ”。

短缺

• 基于scipy.optimize.least_squares，它不能增强指定模型的估计。甚至，它比scipy.optimize.least_squares有更多的限制。例如， 的论点bounds，x0或p0由于基本假设不被支持。

如何引用

如果此工具对您的研究有用，请加注 星标并引用如下：

Xiaolong Liu, & Meixiu Yu. (2020, June 14). longavailable/adaptive-curvefitting. Zenodo. 
http://doi.org/10.5281/zenodo.3893596

很容易，您可以将其导入到 门德利。

变更日志

v0.1.3

• 第一次发布。

v0.1.4

• 添加queryModel()以简化拟合模型的重用。
• 替换from scipy._lib._util import getargspec_no_self as _getargspec为from ._helpers import funcArgsNr

v0.1.5

• 更新了 sci 的过时模块。