origin使用python进行方程拟合--案例_origin脚本编写

origin使用python进行方程拟合–案例

1.1 软件版本要求

• origin2020a以上
• python 3.8以上

1.2 说明

• 本文主要是为方便实验室数据拟合。由于origin在实验的使用率远高于python等编程语言，因此通过本文给出在origin中使用python脚本完成一个简单函数的拟合。
• 案例中拟合的方程为HILL

1.3 优势

• 基于常用软件就可以运行，不用重新配制环境，上手简单快捷。
• 可以直接在origin本身的表格中进行扩增。
• 复杂传参过程需要借助程序设计

2. 使用过程

2.1 origin中打开python

• 界面中打开 连接
• 
• 然后打开 untitled.py
  -
• 新建脚本，并将相关代码粘贴
  
• 在下方命令窗口处输入相关python包
  
  本案例需要加载包

pip install numpy
pip install scipy
1
2

-安装完成后 重新启动origin才能运行

运行脚本 F5

# 最小二乘拟合实例
import numpy as np
from scipy.optimize import leastsq

def func( x, p,c):
    """
    数据拟合所用的函数: A*cos(2*pi*k*x + theta)
    """
    n, k = p
    return c[1]+(c[0]-c[1])* (x ** n / (k ** n + x ** n))


def residuals(p, y, x,c):
    """
    实验数据x, y和拟合函数之间的差，p为拟合需要找到的系数
    """
    return y - func(x, p,c)


xp = np.genfromtxt('C:/Users/Administrator/Desktop/1.txt')

#print(xp)  # 返回list
# x = np.lipase(0, 20)
n, k = 50, 3  # 真实数据的函数参数
x = xp[:, 0]
y = xp[:, 1]
c=[max(y),min(y)]
# y0 = func(x, [n, k],c)  # 真实数据
y1 = y
p0 = [1,50]  # 第一次猜测的函数拟合参数 n,k

## 调用leastsq进行数据拟合
## residuals为计算误差的函数
## p0为拟合参数的初始值
## args为需要拟合的实验数据
plsq = leastsq(residuals, p0, args=(y,x,c))
#
y2=func(x,plsq[0],c)
# print (u"真实参数:", [A, k, theta] )
print(u"拟合参数", plsq[0])  # 实验数据拟合后的参数
RSS=np.dot(np.transpose(y1 - y2),(y1-y2))
R2=1-RSS/(np.var(y1)*(len(y1)-1))
print("MSE:",RSS)
print("R2:", R2)
#sklearn求解的MSE值

#
# pl.plot(x, y, color='r',label=u"真实数据")
# pl.plot(x, y1, color='b',label=u"带噪声的实验数据")
# pl.plot(x, func(x, plsq[0]), color='g', label=u"拟合数据")
# pl.legend()
# pl.show()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53

运行结果

• 拟合公式HIll

$$y=y_{min}+(y_{max}-y_{min})\ast \frac{x^n}{x^n+k^n}$$

• R^2 计算公式
  $$R^2=1-RSS/(SSY)$$
• 程序说明

直接使用origin内置函数拟合过程

• 输入数据
  
  2，打开分析->拟合->非线性拟合
  
• 进入拟合界面 点击函数下拉框（类型 中选择origin自带）
  
• 打开下拉框中使用搜索
• 搜索界面中找到HIll模型
  
• 点击模型进行拟合
  
• 点击拟合
  

origin中自定义函数的拟合

与董说

。。。。。。。。。。。。。。没得冷笑话的一周
1