포인트 가우스 :피팅 반 곡선/데이터에 정상화 그래서 같은, 내가 분산 플롯에서 플롯 할 수있는 데이터의 두 개의 목록이
from matplotlib import pyplot as plt
x = [0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]
y = [22.4155688819,22.3936180362,22.3177538001,22.1924849792,21.7721194577,21.1590235248,20.6670446864,20.4996957642,20.4260953411,20.3595072628,20.3926201626,20.6023149681,21.1694961343,22.1077417713,23.8270366414,26.5355924353,31.3179807276,42.7871637946,61.9639549412,84.7710953311]
plt.scatter(degrees,RMS_one_image)
이렇게하면 가우시안과 같은 플롯을 제공합니다 좋은 결과를 얻을 수있는 배포판입니다 .-
그러나 제 문제는 가우스 분포를이 문제에 맞추려고 노력하고 있습니다. 완전한 것 대신 절반 만 가우시안이고 b. 내가 전에 사용했던 것은 한 번에 하나의 숫자만을 사용했습니다. 따라서 다음과 같이됩니다 :
# best fit of data
num_bins = 20
(mu, sigma) = norm.fit(sixteen)
y = mlab.normpdf(num_bins, mu, sigma)
n, bins, patches = plt.hist(deg_array, num_bins, normed=1, facecolor='blue', alpha=0.5)
# add a 'best fit' line
y = mlab.normpdf(bins, mu, sigma)
plt.plot(bins, y, 'r--')
이 접근 방식은 여기서 모두 작동합니까, 아니면 완전히 잘못된 방향으로 가고 있습니까? 감사합니다 ...
'norm.fit'이 무엇인지 모르기 때문에 우리는 도울 수 없습니다. 여기에 [최소한의 완전한 검증 가능한 예제] (http://stackoverflow.com/help/mcve)를 작성하십시오. – ImportanceOfBeingErnest