如何调整Matplotlib拟合曲线形态？复现指定拟合曲线求助

你的核心问题是拟合函数选型错误——你用的a*exp(-b*x)+c是指数衰减曲线，天生无法满足x=0时y=0、x增大后趋近于1的需求。

换成饱和增长型的指数函数就能完美匹配原图趋势，推荐使用1 - np.exp(-k * x)：

• x=0时，y=0，符合起始要求
• x→∞时，y→1，满足趋近于1后平稳的需求
• 曲线为单调递增的S型，和原图虚线的"Partial Superparticle Ionisation"趋势完全一致

修改后的完整代码 #

import numpy as np
import scipy.optimize as opt
import matplotlib.pyplot as plt 

# 原始数据
x = np.array([0.3, 0.6, 0.7, 0.8, 1.3, 1.5, 3, 4, 5])
y = np.array([0, 0.1, 0.3, 0.55, 0.75, 0.9, 1, 1, 1])

# 更换为符合需求的拟合函数：饱和增长指数函数
def func(x, k):
     return 1 - np.exp(-k * x)

# 拟合时给出初始猜测，帮助curve_fit更好收敛
optimizedParameters, pcov = opt.curve_fit(func, x, y, p0=[0.5])

# 生成密集x点，绘制平滑的虚线拟合曲线
x_fit = np.linspace(0, 5, 100)
plt.plot(x_fit, func(x_fit, *optimizedParameters), label="Partial Superparticle Ionisation", linestyle='--')

# 绘图设置
plt.ylim(0, 1.1)
plt.xlim(0, 5)
plt.step(x, y, label="Data")
plt.xlabel("Time (ns)")
plt.ylabel("$n_H^+ / n_H$")
plt.legend()
plt.show()

关键修改说明 #

1. 函数替换：用1 - exp(-k*x)替代原衰减函数，完美匹配起始点和饱和值要求
2. 平滑曲线：用np.linspace生成100个密集点，避免原代码只在原始数据点绘图导致的折线感
3. 虚线样式：添加linestyle='--'还原原图的虚线效果
4. 初始猜测：给curve_fit传入p0=[0.5]，避免拟合时出现收敛异常
5. 冗余修复：删除了重复导入的numpy

内容的提问来源于stack exchange，提问作者JoelinRome