Блог

Я пытаюсь подогнать свои экспоненциальные данные, но не могу получить достойный ответ. Я использую scipy и следующий код:

 import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import glob
import scipy.optimize
import pylab


def exponential(x, a, k, b):
    return a*np.exp(-x/k)   b
def main():
    filename = 'tek0071ALL.csv'
    df = pd.read_csv(filename, skiprows=14)
    t = df['TIME']
    ch3 = df['CH3']
    idx1 = df.index[df['TIME']==-0.32]
    idx2 = df.index[df['TIME']==-0.18]

    t= t[idx1.values[0]:idx2.values[0]]
    data=ch3[idx1.values[0]:idx2.values[0]]
    popt_exponential, pcov_exponential = scipy.optimize.curve_fit(exponential, t, data, p0=[1,.1, 0])
   # print(popt_exponential,pcov_exponential)

    print(popt_exponential[0])
    print(popt_exponential[1])
    print(popt_exponential[2])
    plt.plot(t,data,'.')
    plt.plot(t,exponential(t,popt_exponential[0],popt_exponential[1],popt_exponential[2]))
    plt.show()
    plt.legend(['Data','Fit'])
main()
  

Вот как выглядит подгонка:

и я думаю, это означает, что это действительно хорошая подгонка. Я думаю, что моя постоянная времени верна, и это то, что я пытаюсь извлечь. Однако амплитуда действительно доставляет мне проблемы — я ожидал, что амплитуда будет около 0,5 при проверке, но вместо этого я получаю следующие значения для уравнения A*exp(-t/K) C :

 A:1.2424893552249658e-07
K:0.0207112474466181
C: 0.010623336832120528
  

Мне остается только гадать, правильно ли это, и что моя амплитуда действительно должна быть настолько крошечной, чтобы учитывать поведение экспоненты.