¿Cómo podemos encajar una señal en la función sigmoide en Python?

Estoy trabajando con un conjunto de datos simple y por razones de reproducibilidad, lo comparto aquí .

Para aclarar lo que estoy haciendo, de la columna 2, estoy leyendo la fila actual y la comparo con el valor de la fila anterior. Si es mayor, sigo comparando. Si el valor actual es más pequeño que el valor de la fila anterior, quiero dividir el valor actual (más pequeño) por el valor anterior (más grande). En consecuencia, el siguiente código:

• ¿Qué es un "escalar" en numpy?
• Paralelización ingenua de scipy.optimize.fmin
• ¿Cómo obtengo una distribución lognormal en Python con Mu y Sigma?
• Cálculo de la distancia euclidiana de Python Numpy entre matrices de vectores de fila
• ¿Cómo subclase scipy.stats.norm?

import numpy as np import scipy.stats import matplotlib.pyplot as plt import seaborn as sns protocols = {} types = {"data_v": "data_v.csv"} for protname, fname in types.items(): col_time,col_window = np.loadtxt(fname,delimiter=',').T trailing_window = col_window[:-1] # "past" values at a given index leading_window = col_window[1:] # "current values at a given index decreasing_inds = np.where(leading_window < trailing_window)[0] quotient = leading_window[decreasing_inds]/trailing_window[decreasing_inds] quotient_times = col_time[decreasing_inds] protocols[protname] = { "col_time": col_time, "col_window": col_window, "quotient_times": quotient_times, "quotient": quotient, } plt.figure(); plt.clf() plt.plot(quotient_times, quotient, ".", label=protname, color="blue") plt.ylim(0, 1.0001) plt.title(protname) plt.xlabel("quotient_times") plt.ylabel("quotient") plt.legend() plt.show() sns.distplot(quotient, hist=False, label=protname) 

Esto da las siguientes plots.

• Manera eficiente de calcular la matriz de distancia dados los datos de latitud y longitud en Python
• Guía de importación de SciPy / NumPy
• ¿Las funciones de densidad de probabilidad incorporadas de `scipy.stat.distributions` son más lentas que las proporcionadas por un usuario?
• scipy.optimize.linprog no puede encontrar un punto de inicio factible a pesar de que existe una respuesta factible claramente
• scipy curve_fit no le gusta el módulo de matemáticas

Como podemos ver en las plots.

• Data-V tiene un cociente de 0.8 cuando el quotient_times es menor que 3 y el cociente permanece 0.5 si el quotient_times es mayor que 3.

¿Cómo podemos encajar esto en una función sigmoide para tener una gráfica como la siguiente? Quiero que el peso disminuya rápidamente a cero a medida que aumenta el valor de quotient_times .