1

我用 scipy.optimize curve_fit 写了一些代码。它在我的电脑上完美运行：

带有 Service Pack 1 的 Windows 7 Home Premium，64 位 Dell Studio 1558 Intel Core i3 cpu M330@2.13GHz 2.13GHz，3.86 GB RAM Python 2.7.3（默认，2012 年 4 月 10 日，23:24:47）[MSC v.1500 64 位 (AMD64)] IPython 0.13.1

然后我将脚本移至另一台机器 (COMP2)：Microsoft Windows XP Professional Version 2002 Service Pack 3、AMD Athlon(tm) II X4 620 Processor 2.61 GHz、3.25 GB RAM、Physical Address Extension Python 2.7.5 |32 bit | （默认，2013 年 6 月 14 日，18:15:12）[MSC v.1500 32 位（英特尔）] Ipython 1.0.dev

而且合身真的很差。我的代码相当长，但我准备了自包含示例来重现所有情况。

我读到当 xdata 和 ydata 是 array( , dtype=float) 时有时会有所帮助，但这不是我的情况（我已经尝试过）

我什至在 Windows 7 32 位（我的朋友的机器）上使用 Python 2.7.3 32 位尝试了这段代码，它工作了 - 所以我不知道为什么拟合结果如此不可预测，以及如何强制这段代码在计算机上正常工作补偿2。

这是自包含的示例：

from string import*
from numpy import *
from matplotlib.pylab import *
from scipy.optimize import curve_fit
from sys import exit

nm_range=[574.14200000000005, 574.154, 574.16499999999996, 574.17700000000002, 574.18799999999999, 574.19899999999996, 574.21100000000001, 574.22199999999998, 574.23400000000004, 574.245]
data_for_fit=[859.0, 997.0, 1699.0, 2604.0, 2013.0, 1964.0, 2435.0, 1550.0, 949.0, 841.0]
guess=[574.1861428571428, 574.2155714285715, 1302.0, 1302.0, 0.0035019999999983615, 859.0]

def f_double_gauss(x,x0,x1,A0,A1,sigma,c):
        return A0*exp(-(x-x0)**2/(2.*sigma**2)) + A1*exp(-(x-x1)**2/(2.*sigma**2)) + c

popt,pcov=curve_fit(f_double_gauss,nm_range,data_for_fit,guess,maxfev=10000)

print guess
print popt

fig=figure("If fit of gauss or double gauss is good")
ax=fig.add_subplot(1,1,1)
pdata,=plot(nm_range,data_for_fit,"bo-")
guessed=[]
for i in nm_range:
    guessed.append(f_double_gauss(i,guess[0],guess[1],guess[2],guess[3],guess[4],guess[5]))


pfit,=plot(nm_range,f_double_gauss(nm_range,popt[0],popt[1],popt[2],popt[3],popt[4],popt[5]),"k-")
pguess,=plot(nm_range,guessed,"y")
ax.set_title("Anizo fit"+" : data, init guess & fit")
ax.set_xlabel("wavelenght [nm]")
ax.set_ylabel("PL intensity")
legend([pdata,pguess,pfit],["data","guess","fit"])
show()

不合适的输出：

[574.1861428571428,574.2155714285715,1302,1302.0,0.0035019999999983615,859.0]
[5.69174152e+02 8.66516577e+04  -9.27629569e+04 1.59887720e+09  7.56288801e-03  1.59110000e+03]

良好拟合的输出：

[574.1861428571428,574.2155714285715,1302,1302.0,0.0035019999999983615,859.0]
[ 5.74177150e+02    5.74209188e+02  1.74187044e+03  1.58646166e+03  1.0068462e-02   8.57450661e+02]

合适的图片： https ://docs.google.com/file/d/0B6GA05-W4ZzzdTIxa3U3Rl92MU0/edit?usp=sharing

不合适的图片 https://docs.google.com/file/d/0B6GA05-W4ZzzRlk4eWlER01WejQ/edit?usp=sharing

4

1 回答 1

2

好的，问题在于附加到当前 scipy 的优化库。

当我从附加到 EPD 7.3-2 的文件中复制_minpack.pyd和minpack.py并放置而不是当前的_minpack.pyd和minpack.py文件时，非常合适。

我会将该错误报告给 scipy。

于 2013-07-18T14:26:02.830 回答