如何设置变量以不适合它

Question

我想适合高斯，但是变量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)

模型适合高斯，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()

我该怎么做？

Answer 1

在您的评论中，您说您更新了脚本，但我看不到。

二维高斯通常定义为

#!/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)

预计x和y是两个不同轴的1-D阵列。当然，要拟合的数据必须在同一网格上 - 您可能需要根据数据的结构方式检查其他Numpy轴技巧（meshgrid等）。

要将其转换为lmfit.Model，您需要更改该定义，以使您以单个2-D数组的方式传递，或者在创建Model时，将x和y指定为自变量，如

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

对于我认为您的实际问题：

如果您想在此处设置参数范围或约束，则可以（如示例中）使用

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

或者您可以首先制作参数，然后应用界限和约束：

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。