情節單個峯與Python-lmfit

配件從這段代碼，我可以用「out.best_fit」，我想現在要做的打印最終契合，是畫出每個峯各個高斯曲線，而不是將它們全部合併成一條曲線。情節單個峯與Python-lmfit

from pylab import * 
from lmfit import minimize, Parameters, report_errors 
from lmfit.models import GaussianModel, LinearModel, SkewedGaussianModel 
from scipy.interpolate import interp1d 
from numpy import * 

fit_data = interp1d(x_data, y_data) 

mod = LinearModel() 
pars = mod.make_params(slope=0.0, intercept=0.0) 
pars['slope'].set(vary=False) 
pars['intercept'].set(vary=False) 


x_peak = [278.35, 334.6, 375] 
y_peak = [fit_data(x) for x in x_peak] 


i = 0 
for x,y in zip(x_peak, y_peak): 
    sigma = 1.0 
    A = y*sqrt(2.0*pi)*sigma 
    prefix = 'g' + str(i) + '_' 

    peak = GaussianModel(prefix=prefix) 

    pars.update(peak.make_params(center=x, sigma=1.0, amplitude=A)) 

    pars[prefix+'center'].set(min=x-20.0, max=x+20.0) 

    pars[prefix+'amplitude'].set(min=0.0) 
    mod = mod + peak 
    i += 1 

out = mod.fit(y_data, pars, x=x_data) 

plt.figure(1) 
plt.plot(x_data, y_data) 
plt.figure(1) 
plt.plot(x_data, out.best_fit, '--')

情節全球契合：

來源

2017-02-28 TMR

什麼是'x_data'和'y_data'？ – Cleb

對不起，它們只是x和y數據的兩個列表。 – TMR

難道你不能從'out'得到擬合參數嗎？它們必須存儲在某個地方以計算擬合的y值。然後，如果您設法提取擬合參數，則可以繪製單個高斯分佈。 –

我想你想你適合後，要做到這一點：一個複合模型將返回

components = out.eval_components(x=x_data) 
for model_name, model_value in components.items(): 
    plt.plot(x_data, model_value) 

# or more simply, if you prefer: 
plt.plot(x_data, components['g0_']) 
plt.plot(x_data, components['g1_']) 
...

也就是說，ModelResult.eval_components()包含作爲組件模型的前綴的鍵的字典以及作爲該組件的計算模型的值。

來源

2017-02-28 22:10:01

謝謝M紐維爾，那就是我一直在尋找的。但是，我不是專家，但我認爲你的建議不適用於我的代碼，因爲我正在使用內置模型。無論如何，我需要適應我自己的模型，所以我必須使用Model類，然後我想我可以使用您的解決方案。 – TMR

ModelResult.eval_components（）應該適用於任何複合模型，包括那些使用內建模型的複合模型。 –

情節單個峯與Python-lmfit

回答

相關問題