Python 2.7 曲线拟合模型的连接
我有7条拟洛伦兹曲线,它们与我的数据相吻合。 我想加入他们,形成一条相连的曲线。你知道怎么做吗?我在Python 2.7 曲线拟合模型的连接,python-2.7,curve-fitting,lmfit,Python 2.7,Curve Fitting,Lmfit,我有7条拟洛伦兹曲线,它们与我的数据相吻合。 我想加入他们,形成一条相连的曲线。你知道怎么做吗?我在lmfit文档中读过关于ComposingModel,但不清楚如何做到这一点 下面是我的两条拟合曲线代码示例 for dataset in [Bxfft]: dataset = np.asarray(dataset) freqs, psd = signal.welch(dataset, fs=266336/300, window='hamming', nperseg=16192,
lmfit
文档中读过关于ComposingModel
,但不清楚如何做到这一点
下面是我的两条拟合曲线代码示例
for dataset in [Bxfft]:
dataset = np.asarray(dataset)
freqs, psd = signal.welch(dataset, fs=266336/300, window='hamming', nperseg=16192, scaling='spectrum')
plt.semilogy(freqs[0:-7000], psd[0:-7000]/dataset.size**0, color='r', label='Bx')
x = freqs[100:-7900]
y = psd[100:-7900]
# 8 Hz
model = Model(lorentzian)
params = model.make_params(amp=6, cen=5, sig=1, e=0)
result = model.fit(y, params, x=x)
final_fit = result.best_fit
print "8 Hz mode"
print(result.fit_report(min_correl=0.25))
plt.plot(x, final_fit, 'k-', linewidth=2)
# 14 Hz
x2 = freqs[220:-7780]
y2 = psd[220:-7780]
model2 = Model(lorentzian)
pars2 = model2.make_params(amp=6, cen=10, sig=3, e=0)
pars2['amp'].value = 6
result2 = model2.fit(y2, pars2, x=x2)
final_fit2 = result2.best_fit
print "14 Hz mode"
print(result2.fit_report(min_correl=0.25))
plt.plot(x2, final_fit2, 'k-', linewidth=2)
更新
我使用了来自用户@MNewville的一些提示,他发布了一个答案,并使用他的代码得出以下结论:
因此,我的代码与他的代码类似,但随着每个峰值而扩展。我现在正在努力的是用我自己的替代readyLorentzModel
问题是当我这样做时,代码会给我一个类似这样的错误
C:\Python27\lib\site packages\lmfit\printfuncs.py:153:RuntimeWarning:
在双\u标量[[Model]]spercent中遇到无效值=
“({0:.2%})”格式(abs(par.stderr/par.value))
关于我自己的模型:
def lorentzian(x, amp, cen, sig, e):
return (amp*(1-e)) / ((pow((1.0 * x - cen), 2)) + (pow(sig, 2)))
peak1 = Model(lorentzian, prefix='p1_')
peak2 = Model(lorentzian, prefix='p2_')
peak3 = Model(lorentzian, prefix='p3_')
# make composite by adding (or multiplying, etc) components
model = peak1 + peak2 + peak3
# make parameters for the full model, setting initial values
# using the prefixes
params = model.make_params(p1_amp=6, p1_cen=8, p1_sig=1, p1_e=0,
p2_ampe=16, p2_cen=14, p2_sig=3, p2_e=0,
p3_amp=16, p3_cen=21, p3_sig=3, p3_e=0,)
代码的其余部分类似于@MNewville
[![在此处输入图像描述][3][3]三个洛伦兹人的合成模型如下所示:
from lmfit import Model, LorentzianModel
peak1 = LorentzianModel(prefix='p1_')
peak2 = LorentzianModel(prefix='p2_')
peak3 = LorentzianModel(prefix='p3_')
# make composite by adding (or multiplying, etc) components
model = peak1 + peaks2 + peak3
# make parameters for the full model, setting initial values
# using the prefixes
params = model.make_params(p1_amplitude=10, p1_center=8, p1_sigma=3,
p2_amplitude=10, p2_center=15, p2_sigma=3,
p3_amplitude=10, p3_center=20, p3_sigma=3)
# perhaps set bounds to prevent peaks from swapping or crazy values
params['p1_amplitude'].min = 0
params['p2_amplitude'].min = 0
params['p3_amplitude'].min = 0
params['p1_sigma'].min = 0
params['p2_sigma'].min = 0
params['p3_sigma'].min = 0
params['p1_center'].min = 2
params['p1_center'].max = 11
params['p2_center'].min = 10
params['p2_center'].max = 18
params['p3_center'].min = 17
params['p3_center'].max = 25
# then do a fit over the full data range
result = model.fit(y, params, x=x)
我认为您缺少的关键部分是:a)只需将模型添加到一起,b)使用前缀以避免参数的名称冲突
我希望这足以让你开始…
amp
和e
在你对洛伦兹的定义中是完全相关的。请(并且始终)报告完整准确的回溯。我不知道Python2.7怎么可能在那里给出运行时警告。很抱歉让你失望,但这就是全部错误。看看我的问题,在那里你可以找到我桌面上的PS。我不明白这怎么可能是整个信息,或者它怎么可能与输出文本交错并着色。但是,我不明白你为什么把截图作为输出文本。。。为什么不直接发这篇文章呢?看起来这可能来自于某种Python风格的IDE或环境——我不知道这是什么,但无论是什么使文本着色,都可能是在“解释”错误消息。当然,一个完整的最小示例和完整的输出总是一个好主意。然后,实际问题已经确定,amp
和e
是完全相关的。这就是我所做的,我复制了整个文本,但你认为我没有发布整个错误。你说,amp
和e
是相关的。那我该换什么?请注意,在我以前的代码中,amp
和e
的值与这里的值相同,但一切都运行良好,没有任何错误。我已经找到了问题所在。这个问题已经到了极限。当我把它们扔掉时,一切都很好,向我展示了我期望的价值观。我把你的答案标记为解决我问题的答案,因为没有你的帖子我是无法完成的。因此,感谢您的合作:)