0

我想拟合高斯，但变量 cen 和 cen2 必须不断。

from pylab import *
import matplotlib.mlab
from lmfit import Model

def gaussian(x, amp, cen, wid,amp2,cen2,wid2):

return (amp/(sqrt(2*pi)*wid)) * exp(-(x-cen)**2 /(2*wid**2))+
(amp2/(sqrt(2*pi)*wid2)) * exp(-(x-cen2)**2 /(2*wid**2))

model = Model(gaussian) 
model.set_param_hint('amp',min=1.4, max=1.48)
model.set_param_hint('amp2',min=0.00003,max=0.00005)
parameters  = model.make_params( amp=1.46, cen=0, wid=1, amp2=0.00005, 
cen2=10,wid2=5)

result = model.fit(y, parameters, x=x)

模型拟合高斯，但将中心设置为 f.ex。5.

print(result.fit_report())
#plt.yscale('log')
#plt.ylim(((0,0.0004)))
plt.scatter(x, y, s=0.7)
plt.plot(x, result.best_fit, 'r-')
plt.fill_between(x, result.best_fit-0.03, result.best_fit+0.03, 
color="#ABABAB",alpha=0.5)
plt.show()

我怎样才能做到这一点？

4

1 回答 1

0

在您的评论中，您说您更新了脚本，但我没有看到。

二维高斯通常被定义为

#!/usr/bin/env python
import numpy as np
def gaussian2d(x, y, amplitude=1, centerx=0, centery=0, sigmax=1, sigmay=1):
    gauss_x = np.exp(-(1.0*x-centerx)**2 / (2.0*sigmax**2))
    gauss_y = np.exp(-(1.0*y-centery)**2 / (2.0*sigmay**2))
    return amplitude * np.outer(gauss_x, gauss_y) / (2*np.pi*sigmax*sigmay)

其中x和y预计是 2 个不同轴的一维数组。当然，要拟合的数据必须在同一个网格上——您可能需要查看其他 numpy 轴技巧（meshgrid等），具体取决于数据的结构。

要将其转换为lmfit.Model，您需要更改该定义以便传入单个二维数组，或者在创建as时将x和指定y为自变量Model

model = Model(gaussian2d, independent_vars=['x', 'y'])

对于我认为是您的实际问题：

如果您想在此处设置参数范围或约束，您可以（如您在示例中所做的那样）使用

model.set_param_hint('amplitude', min=0, max=2)
model.set_param_hint('centery', value=10, vary=False)

或者您可以先设置参数，然后应用边界和约束：

model = Model(gaussian2d, independent_vars=['x', 'y'])
parameters =model.make_params(centerx=0, sigmax=1, ...)
parameters['amplitude'].min = 0
parameters['amplitude'].max = 10
parameters['centery'].value = 5.0
parameters['centery'].vary = False

等等。

于 2017-11-24T15:07:24.267 回答