如何在Python中让拟合曲线经过指定点(0,0)？

问题根源 #

你的拟合函数在x=0时的计算值不为0：代入x=0，exp(0)=1，此时函数返回值为1 - 8/π² ≈ 0.189，这和数据点(0,0)完全矛盾，这是曲线无法降到0的核心原因。

解决方案 #

1. 修正函数形式，强制满足x=0时y=0 #

调整函数结构，使其在x=0时返回0，同时贴合数据趋势（x增大时y趋近于1），推荐使用以下函数形式：

def func(x, D):
    return 1 - np.exp(-D * x * (np.pi)**2 / 64)

• 当x=0时，exp(0)=1，函数返回1-1=0，完美匹配(0,0)点；
• 当x增大时，指数项趋近于0，函数趋近于1，和你的数据趋势一致。

如果你的物理模型必须保留8/π²的系数，可调整为：

def func(x, D):
    return (8/(np.pi)**2) * (1 - np.exp(-D * x * (np.pi)**2 / 64))

此时x趋近于无穷大时函数趋近于8/π²≈0.81，若和你的数据终值不符，说明模型可能需要进一步调整。

2. 保留原权重设置，重新拟合 #

修正函数后，原有的sigma设置（给(0,0)和最后一个点更高权重）可以保留，确保拟合时优先贴合这两个关键节点。

完整修正代码 #

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

def func(x, D):
    # 修正后的函数，满足x=0时y=0
    return 1 - np.exp(-D * x * (np.pi)**2 / 64)

xData = np.array([0, 3, 7, 10, 17, 21, 27, 31, 34, 42, 49, 52, 56, 64])
yData = np.array([0, 0.316045, 0.358446, 0.452339, 0.581898, 0.651380, 0.829214, 0.789857, 0.783002, 0.785944, 0.879307, 0.901747, 0.911792, 0.938174])

sigma = np.ones(len(xData))
sigma[[0, -1]] = 0.01

popt, pcov = curve_fit(func, xData, yData, p0=(1), sigma=sigma)
print(popt)

plt.figure()
plt.scatter(xData, yData)
xdata = np.arange(0.0, 65.0, 0.01)
plt.plot(xdata, func(xdata, *popt))
# 更新公式注释
text = "$f(x)=1-exp\\left(-\\frac{D \\pi^2 x}{64}\\right)$ | D=%.9f" % tuple(popt)
plt.annotate(text, xy=(0.05, 1.05), xycoords='axes fraction', fontsize=12)
plt.xlim([-2, 65])
plt.ylim([0, 1])
plt.grid()
plt.show()

额外说明 #

如果必须保留你最初的函数形式（即使它不满足x=0时y=0），可以通过将(0,0)点的权重设为极端值（比如sigma[0] = 1e-10）来强制拟合，但这种方法本质上是“硬拉”曲线，会破坏模型的合理性，不推荐使用。

内容的提问来源于stack exchange，提问作者whd9763