SciPy曲线拟合出现荒谬结果的问题排查

你的代码存在三个核心错误，导致拟合结果和绘图完全不匹配：

1. 拟合的x轴输入错误 #

curve_fit(gauss, diff, hist)中，用原始数组diff作为拟合的x值是错误的。hist是直方图每个区间（bin）的计数，对应的x应该是每个bin的中点，而非原始数据点。

2. 直方图的bins设置完全不合理 #

plt.hist(diff, bins=len(diff))会创建与数据点数量一致的bins，这会导致每个bin最多只有1个样本（除非存在大量重复值），直方图会变成离散尖峰，完全失去统计意义。

3. 高斯函数的幅度与直方图计数不匹配 #

norm.pdf输出的是概率密度（积分和为1），而直方图的y轴是样本计数，两者量级完全不同。直接拟合会导致幅度参数完全失真。

修正后的完整代码 #

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

# 1. 正确生成直方图并计算关键参数
hist, bins = np.histogram(diff, bins='auto')  # 用auto自动选择合理的bin数量
bin_centers = (bins[:-1] + bins[1:]) / 2      # 计算每个bin的中点（拟合用x）
bin_width = bins[1] - bins[0]                 # 获取bin宽度
n_samples = len(diff)                         # 总样本数

# 2. 定义适配计数的高斯函数
def gauss(x, disp, amp, mu, sigma):
    # amp对应：样本数 × bin宽度（概率密度转计数的缩放因子）
    return disp + amp * norm(mu, sigma).pdf(x)

# 3. 设置合理的初始猜测值（用数据自身的统计量，而非随意赋值）
p0 = (
    0,                      # disp：基线偏移，初始设0
    n_samples * bin_width,  # amp：计数缩放的初始值
    np.mean(diff),          # mu：数据均值
    np.std(diff)            # sigma：数据标准差
)

# 4. 限制参数范围（sigma必须为正，避免拟合出负数标准差）
bounds = (
    (-np.inf, 0, -np.inf, 0),  # 参数下限：disp不限，amp>0，mu不限，sigma>0
    (np.inf, np.inf, np.inf, np.inf) # 参数上限：全部不限
)
popt, pcov = curve_fit(gauss, bin_centers, hist, p0=p0, bounds=bounds)

# 5. 绘制匹配的直方图与拟合曲线
x = np.linspace(bins[0], bins[-1], 1000)
p = gauss(x, *popt)

plt.hist(diff, bins=bins, label='原始直方图')
plt.plot(x, p, 'r-', linewidth=2, label='拟合高斯曲线')
plt.legend()
plt.show()

可选优化：拟合概率密度 #

如果你更关注分布的形状而非计数，可以将直方图转换为概率密度后再拟合，这样不需要考虑幅度缩放：

# 转换直方图为概率密度
hist_pdf = hist / (n_samples * bin_width)

def gauss_pdf(x, disp, amp, mu, sigma):
    return disp + amp * norm(mu, sigma).pdf(x)

p0 = (0, 1, np.mean(diff), np.std(diff))
popt, pcov = curve_fit(gauss_pdf, bin_centers, hist_pdf, p0=p0, bounds=bounds)

# 绘图时可选绘制密度直方图
plt.hist(diff, bins=bins, density=True, label='概率密度直方图')
plt.plot(x, gauss_pdf(x, *popt), 'r-', linewidth=2, label='拟合高斯分布')
plt.legend()
plt.show()

内容的提问来源于stack exchange，提问作者Qwertie