У меня возникли проблемы с применением функции curve_fit () к данным из файла .csv. Файл .csv представляет собой реальные данные, полученные от баскетбольного мяча, многократно подпрыгивающего под датчиком движения. График точек данных представляет собой высоту шара в зависимости от времени, и полученный график показывает серию убывающих парабол. Создание этого сюжета очень просто, но я, очевидно, понятия не имею, что я делаю с кривой_fit (). Я думаю, что проблема связана с моим выбором коэффициентов a, b и c, хотя я думал, что b и c начнутся с 0, а a, как указано в домашнем задании, должно быть g / 2, где g, конечно, -9,81. К сожалению, Curve_fit показывает только большую нисходящую параболу, которая не имеет отношения к данным. Куда я иду не так? Я также не могу понять, как включить CSV-файл с этим вопросом, поэтому я вставил данные ниже кода. Я ввел его как часть кода, чтобы сохранить формат. Если есть способ включить файл данных в эти вопросы, пожалуйста, просветите меня.
import numpy as np
import matplotlib.pylab as plt
from scipy.optimize import curve_fit
dname=r'my_computer_directory' **#replace with your own directory name**
fname='free_fall_run18_csv.csv'
dfname ='{0:s}/{1:s}'.format(dname,fname)
data01=np.genfromtxt(dfname,delimiter=',',skip_header=1) # data01 is a ndarray
# skip one header -> skip_header=1
# csv -> delimiter=','
count = 0
with open(fname, 'r') as f:
for line in f:
count +=1
n1 = count-1
print ('Number of data points is', count-1)
t = data01[:,0]
y = data01[:,1]*(-1)
# remove any negative times
t_temp=t[np.where(t>0)]
y_temp=y[np.where(t>0)]
def myline1(t,a,b,c):
y=a*t**2+b*t+c
return y
g=-9.81
a0=g/2
b0=0
c0=0
popt0,pcov0 = curve_fit(myline1,t_temp,y_temp,p0=[a0,b0,c0])
a0=popt0[0]
b0=popt0[1]
c0=popt0[2]
y_hat1=a0*t_temp**2+b0*t_temp+c0
#fig = plt.figure()
plt.plot(t_temp,y_temp, '.', label = 'Height vs Time')
plt.grid() #show grid
plt.title('Height vs Time')
plt.legend()
plt.xlabel('Time [s]') #label axis
plt.ylabel('Height [m]') #label axis
plt.show() #show figure
plt.plot(t_temp,y_temp, '.', label = 'Height vs Time')
plt.plot(t_temp,y_hat1, '-', label = 'Height vs Time with curve_fit()')
plt.grid() #show grid
plt.title('Height vs Time with curve_fit()')
plt.legend()
plt.xlabel('Time [s]') #label axis
plt.ylabel('Height [m]') #label axis
plt.show() #show figure
#.csv data
Time (s),Position (m)
0,0.152
0.025,0.152
0.05,0.152
0.075,0.152
0.1,0.151
0.125,0.151
0.15,0.151
0.175,0.151
0.2,0.15
0.225,0.15
0.25,0.151
0.275,0.151
0.3,0.151
0.325,0.15
0.35,0.15
0.375,0.149
0.4,0.148
0.425,0.147
0.45,0.146
0.475,0.145
0.5,0.144
0.525,0.143
0.55,0.143
0.575,0.143
0.6,0.144
0.625,0.144
0.65,0.145
0.675,0.146
0.7,0.147
0.725,0.148
0.75,0.154
0.775,0.166
0.8,0.184
0.825,0.207
0.85,0.238
0.875,0.273
0.9,0.316
0.925,0.364
0.95,0.417
0.975,0.477
1,0.543
1.025,0.615
1.05,0.694
1.075,0.78
1.1,0.869
1.125,0.964
1.15,1.066
1.175,1.19
1.2,1.105
1.225,1.019
1.25,0.94
1.275,0.867
1.3,0.802
1.325,0.741
1.35,0.687
1.375,0.639
1.4,0.596
1.425,0.56
1.45,0.53
1.475,0.505
1.5,0.488
1.525,0.475
1.55,0.469
1.575,0.468
1.6,0.474
1.625,0.485
1.65,0.502
1.675,0.525
1.7,0.554
1.725,0.589
1.75,0.63
1.775,0.677
1.8,0.73
1.825,0.791
1.85,0.853
1.875,0.924
1.9,1.003
1.925,1.087
1.95,1.19
1.975,1.119
2,1.045
2.025,0.98
2.05,0.921
2.075,0.867
2.1,0.822
2.125,0.781
2.15,0.747
2.175,0.718
2.2,0.696
2.225,0.679
2.25,0.668
2.275,0.663
2.3,0.663
2.325,0.669
2.35,0.682
2.375,0.7
2.4,0.725
2.425,0.755
2.45,0.792
2.475,0.834
2.5,0.882
2.525,0.937
2.55,0.997
2.575,1.064
2.6,1.147
2.625,1.153
2.65,1.092
2.675,1.036
2.7,0.987
2.725,0.945
2.75,0.907
2.775,0.876
2.8,0.851
2.825,0.831
2.85,0.82
2.875,0.813
2.9,0.812
2.925,0.816
2.95,0.826
2.975,0.843
3,0.865
3.025,0.894
3.05,0.929
3.075,0.969
3.1,1.016
3.125,1.068
3.15,1.132
3.175,1.166
3.2,1.113
3.225,1.066
3.25,1.026
3.275,0.991
3.3,0.963
3.325,0.94
3.35,0.923
3.375,0.913
3.4,0.908
3.425,0.91
3.45,0.917
3.475,0.93
3.5,0.95
3.525,0.975
3.55,1.006
3.575,1.043
3.6,1.086
3.625,1.141
3.65,1.161
3.675,1.117
3.7,1.078
3.725,1.045
3.75,1.019
3.775,0.998
3.8,0.984
3.825,0.975
3.85,0.972
3.875,0.975
3.9,0.985
3.925,1
3.95,1.022
3.975,1.049
4,1.083
4.025,1.123
4.05,1.174
4.075,1.136
4.1,1.102
4.125,1.074
4.15,1.051
4.175,1.035
4.2,1.025
4.225,1.021
4.25,1.023
4.275,1.03
4.3,1.044
4.325,1.063
4.35,1.089
4.375,1.121
4.4,1.167
4.425,1.148
4.45,1.117
4.475,1.093
4.5,1.075
4.525,1.063
4.55,1.057
4.575,1.056
4.6,1.062
4.625,1.074
4.65,1.091
4.675,1.115
4.7,1.149
4.725,1.161
4.75,1.133
4.775,1.112
4.8,1.096
4.825,1.086
4.85,1.082
4.875,1.084
4.9,1.092
4.925,1.107
4.95,1.127
4.975,1.158
5,1.16
5.025,1.137
5.05,1.121
5.075,1.11
5.1,1.105