如何用Python为具有特殊分布的数据集绘制拟合（优化）函数？

1. 手动构造匹配形态的复合模型 #

你的数据分布不属于标准统计分布，需要手动拼接函数来覆盖所有特征：

• x<30区间：用指数项模拟初始陡降，比如 a*np.exp(-b*x)
• 30<x<80区间：加入波动项（正弦/余弦或多项式）来拟合小峰谷，比如 c*np.sin(d*x + e)
• x>80区间：用快速衰减项模拟骤降，比如 f*np.exp(-g*(x-80))

推荐平滑过渡的连续模型（避免分段的生硬断点）：

import numpy as np

def custom_smooth_model(x, a, b, c, d, e, f, g, h):
    # 用sigmoid实现平滑分段过渡
    transition_30 = 1 / (1 + np.exp(h*(x-30)))  # x=30时过渡到中间段
    transition_80 = 1 / (1 + np.exp(h*(x-80)))  # x=80时过渡到尾段
    # 各段组合
    base_decay = a * np.exp(-b*x)
    mid_wave = c * np.sin(d*x + e)
    tail_drop = f * np.exp(-g*(x-80))
    return base_decay*transition_30 + (base_decay + mid_wave)*(1-transition_30)*transition_80 + tail_drop*(1-transition_80)

2. 用curve_fit优化参数 #

放弃Fitter（仅适配标准分布），改用scipy.optimize.curve_fit来拟合自定义模型：

from scipy.optimize import curve_fit
import matplotlib.pyplot as plt

# 加载你的数据（替换为实际数据加载方式）
data = np.loadtxt("your_dataset.txt")

# 生成直方图密度数据（用于拟合参考）
counts, bins = np.histogram(data, bins=50, density=True)
bin_centers = (bins[:-1] + bins[1:])/2  # 取bin中点作为拟合x值

# 手动输入初始参数猜测（根据直方图估算：峰值、衰减率、波动幅度等）
initial_guess = [max(counts), 0.1, 0.05, 0.1, 0, 0.01, 0.2, 1]

# 执行拟合
popt, pcov = curve_fit(custom_smooth_model, bin_centers, counts, p0=initial_guess)

3. 绘制拟合结果 #

把原始直方图和拟合曲线可视化：

# 生成拟合曲线的连续x值
x_fit = np.linspace(min(data), max(data), 1000)
y_fit = custom_smooth_model(x_fit, *popt)

# 绘图
plt.hist(data, bins=50, density=True, alpha=0.5, label="原始数据直方图")
plt.plot(x_fit, y_fit, 'r-', linewidth=2, label="拟合曲线")
plt.xlabel("x")
plt.ylabel("密度")
plt.legend()
plt.show()

4. 调优技巧 #

• 如果30-80区间的峰谷是非周期性的，把正弦项换成二次多项式（c*x² + d*x + e）
• 若x>80处几乎无数据，可直接删除尾段项，简化模型
• 初始参数猜测要贴近实际：比如a设为直方图峰值，b设为能匹配初始衰减速度的数值，避免拟合陷入局部最优
• 如需后续统计推断，可把模型封装为scipy.stats.rv_continuous自定义分布类：

  from scipy.stats import rv_continuous
  
  class CustomDist(rv_continuous):
      def _pdf(self, x, a, b, c, d, e, f, g, h):
          return custom_smooth_model(x, a, b, c, d, e, f, g, h)
  
  custom_dist = CustomDist()
  fitted_params = custom_dist.fit(data, p0=initial_guess)
  

内容的提问来源于stack exchange，提问作者J. Chae