用python拟合三维数据的曲面，并画出曲面的等高线图，求出曲面的波峰和波谷

Question

用python拟合三维数据的曲面，并画出曲面的等高线图，求出曲面的波峰和波谷

Answer 1

主要用 scipy.optimize.curve_fit 拟合曲面
用matplotlib画图

试试这段逻辑，先定义一个二次曲面，然后用curve_fit拟合，其他里面有备注，试试看

import numpy as np
from scipy.optimize import curve_fit
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

# 定义二次曲面模型
def model(data, a, b, c, d, e, f):
    x, y = data
    return a * x**2 + b * y**2 + c * x * y + d * x + e * y + f

# 生成一些示例数据
x = np.random.rand(100) * 10
y = np.random.rand(100) * 10
z = model((x, y), 0.5, 0.3, 0.1, 0.2, 0.1, 1.0) + np.random.rand(100) - 0.5

# 拟合曲面
params, _ = curve_fit(model, (x, y), z)

# 生成曲面和等高线图的数据
x_range = np.linspace(x.min(), x.max(), 100)
y_range = np.linspace(y.min(), y.max(), 100)
x_grid, y_grid = np.meshgrid(x_range, y_range)
z_grid = model((x_grid, y_grid), *params)

# 绘制曲面图
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(x, y, z, color='b')  # 原始数据
ax.plot_surface(x_grid, y_grid, z_grid, color='r', alpha=0.3)  # 拟合曲面
plt.show()

# 绘制等高线图
plt.contour(x_grid, y_grid, z_grid, levels=20)
plt.show()

# 通过求导找出极值点
# 请注意，在这里我们假设模型是二次曲面，如果使用其他模型，求导的过程将会不同
# 对于二次曲面，极值点就是曲面的顶点，我们可以直接通过公式计算出来
x_peak = -(params[3] * params[1] - params[2] * params[4]) / (4 * params[0] * params[1] - params[2]**2)
y_peak = -(params[4] * params[0] - params[2] * params[3]) / (4 * params[0] * params[1] - params[2]**2)
z_peak = model((x_peak, y_peak), *params)
print(f'Peak: x={x_peak}, y={y_peak}, z={z_peak}')

---

如果有帮助，请点击一下采纳该答案～谢谢