使用Python的curve_fit()无法复现高斯函数曲线拟合求助

你的问题出在**curve_fit默认初始参数与数据集严重偏离**，同时y值数量级差异过大（1e-10 vs 1e-3），导致优化器陷入局部最优解，无法收敛到正确的高斯分布参数。

具体分析 #

curve_fit默认会将所有参数的初始猜测设为1，但你的数据集峰值明显在x=34附近，初始参数b=1离真实值太远；同时y值的数量级差达到7个数量级，优化过程中极小的y值会干扰梯度计算，让算法难以找到正确的优化方向。

修复后的代码 #

给curve_fit传入合理的初始参数p0，参数可以根据你的数据直观估算：

• a：峰值的y值，约为1e-3
• b：峰值对应的x值，即34
• c：高斯分布的标准差，可根据数据跨度估算，比如(56-12)/2 = 22

修改后的代码如下：

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

x_data = [12, 34, 56]
y_data = [1e-10, 1e-3, 1e-10]

def func(xdata, a, b, c): 
    return a*np.exp(-(xdata - b)**2/(2*c**2))

# 传入初始参数猜测
popt,_ = curve_fit(func, x_data, y_data, p0=[1e-3, 34, 22])

x_fit = np.linspace(0,100, 100)
y_fit = func(x_fit, *popt)

plt.scatter(x_data, y_data)
plt.plot(x_fit,y_fit)
plt.show()

额外建议 #

如果后续遇到类似数量级差异大的数据，还可以尝试：

• 对y数据做对数转换，将高斯拟合转为二次函数拟合（注意处理零值/极小值）
• 使用bounds参数限制参数的合理范围，避免优化器出现无意义的参数值

内容的提问来源于stack exchange，提问作者ArKa