La courbe de tendance par sauts de données va et vient quand elle devrait être lisse

Question

Je veux tracer une courbe de tendance de mes points de données. Je l'ai fait avec ce code avec un modèle exponentiel:

with open(file,'r') as csvfile: 
plots = csv.reader(csvfile, delimiter=',') 
next(plots) 
x=[] 
y=[] 
for row in plots: 
    x.append(float(row[1])) 
    y.append(float(row[3])) 
plt.plot(x, y, 'ro',label="Original Data") 
x = np.array(x, dtype=float) #transform your data in a numpy array of floats 
y = np.array(y, dtype=float) #so the curve_fit can work 



def func(x, a, b, c): 
    return (a*np.exp(-b*x)+c) 

popt, pcov = curve_fit(func, x, y) 
ypredict=func(x, *popt) 

plt.plot(x, ypredict, '--', label="Fitted Curve") 
plt.legend(loc='upper left') 
plt.show() 

Mais j'ai obtenu ce résultat:

]

Question

Comment puis-je obtenir une courbe de tendance lisse à travers ces données?

Answer 1

Une façon, vous pouvez mettre x.sort() avant de traçage:

x.sort() 
ypredict=func(x, *popt) 

Une autre façon serait d'utiliser quelque chose comme ça (mieux pour un terrain à mon avis),

# 1000 evenly spaced points over the range of x values 
x_plot = np.linspace(x.min(), x.max(), 1000) 
y_plot=func(x_plot, *popt)  

Ensuite, utilisez x_plot et y_plot pour votre ligne de tendance et ça devrait bien paraître. Le problème est très probable que vos valeurs x ne sont pas monotones et que votre tracé de ligne connecte des points dans l'ordre où ils apparaissent dans x.