Das deutsche Python-Forum

Code: Alles auswählen

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

#########################
# lineare Funktion zur Anpassung [durch Ihre Funktion ersetzen]
#########################

def func(x,a,b):
return a * x + b

#########################
# Listen für Daten auswerten
#########################

df = pd.read_csv("Daten.txt", sep=" ", decimal=",")

x = np.array(df['x'].to_list(),dtype = float)
y = np.array(df['y'].to_list(),dtype = float)
y_unsicherheit = np.array(df['y_unsicherheit'].to_list(),dtype = float)


#########################
# Fit
#########################

popt, pcov = curve_fit(func, xdata = x, ydata = y)

# Drucken der Anpassungsergebnisse
print("\nOptimale Werte für die Parameter", popt)
print("Die geschätzte Kovarianz von popt.\n", pcov)

# Drucken der angepassten Ergebnisse
print("\nPassungsfunktion: y = a*x + b")
print("Ergebnisse:")
print("a = %f +/- %f"%(popt[0],np.sqrt(pcov[0][0])))
print("b = %f +/- %f"%(popt[1],np.sqrt(pcov[1][1])))

#########################
# Daten und Anpassungsergebnisse darstellen
#########################

plt.plot(x,y)
# Plotten Sie das Anpassungsergebnis
#[Ersetzen Sie die Beschriftung entsprechend Ihrer Anpassungsfunktion].
plt.plot(x, func(x, *popt), 'g--', label='Fit')

plt.xlabel("x")
plt.ylabel("y")
plt.legend()
plt.show()

Code: Alles auswählen

df = pd.read_csv("Daten.txt", sep=" ", decimal=".")

x = df['x']
y = df['y']
y_unsicherheit = df['y_unsicherheit']