首先，感谢您制作了一个非常整洁的pythonic工具，可以用作RooFit的替代品。
我已经成功定义了自定义 2D PDF，但我不完全确定如何注册函数的解析积分：
来自 WolframAlpha 的分析积分
PDF 的定义如下：
class PdfForDeltaW(zfit.pdf.ZPDF):
"""Pdf to calculate epsilon, w, and delta w, as a function of sig-flav and tag-flav"""
_N_OBS = 2
_PARAMS = "epsilon w delta_w mix_prob".split()
def _unnormalized_pdf(self, x):
"""Calculation of PDF value"""
sigflav, tagflav = zfit.ztf.unstack_x(x)
epsilon = self.params["epsilon"]
w = self.params["w"]
delta_w = self.params["delta_w"]
mix_prob = self.params["mix_prob"]
dilution = 1 - 2 * w
mixing = 1 - 2 * mix_prob
return (
0.5
* epsilon
* (1 - sigflav * tagflav * (sigflav * delta_w + dilution * mixing))
)
通过查看 github 上的示例，我不确定除了可以通过params属性访问的拟合变量之外，我如何访问用于计算的拟合可观察量(即 x、sigflav和 y，tagflav用于我的 2D 情况(。
此外，我不确定应该如何定义我的限制。我知道 x 和 y 都必须在 [-1， 1] 范围内。我认为最好更清楚地说明应该如何使用zfit.Space.from_axes函数，以及这与解析积分的关系。
干杯 科尔姆
谢谢你，让我解释一下不同的事情：
拟合变量
如果要在整个PDF上注册一个积分，则无需访问sigflav和tagflav，因为您可以在它们上进行集成。 如果你有一个偏积分，你可以通过x访问它们，它充当_unnormalized_pdf情况下的参数。
轴间距
Space定义坐标和限制/范围。通常，作为 PDF 的用户，这涉及可观察量(如数据帧的列(。但是，如果我们创建一个PDF，那么它将要使用的可观察量当然是未知的，PDF工作"基于位置"或"基于轴"。例如，在您的示例中，sigflav在轴 0 上，无论 PDF 将用于什么可观察量，都将被命名为。 这就是为什么在注册积分时，我们需要使用根据axes定义的Space.
积分极限
对 PDF 的限制可以有不同的控制。如果需要，可以实现更细粒度的控制，但目前可用的是，您可以定义从某个点/或任何地方到某个点/任何地方的积分。
这很有用，因为您可以注册多个积分。也许你知道一般积分，它有一个复杂的形式。但是你也知道，例如，从 -1 到 1 的积分正好是 1。因此，您也可以注册它并赋予它更高的优先级。 这意味着，如果将 -1 积分为 1，则使用更简单的形式，否则使用更通用的形式。
在您的情况下，您想从 ANY 注册到 ANY，或者用作限制ANY_LOWER，ANY_UPPER，如下所示
lower_full = ((zfit.Space.ANY_LOWER, zfit.Space.ANY_LOWER),)
upper_full = ((zfit.Space.ANY_UPPER, zfit.Space.ANY_UPPER),)
integral_full_limits = zfit.Space.from_axes(axes=(0, 1),
limits=(lower_full, upper_full))