Python 如何让拟合函数定义拟合范围？

我希望使用lmfit（这不是必须的！）将我的部分数据与python相匹配。我想要拟合数据的动态范围，这意味着有两个拟合参数来定义要拟合的数据部分（我们称之为下限和上限）。 原因是我有很多数据集。在每种情况下，拟合范围各不相同，我无法定义一个模型来拟合整个数据范围。另一方面，我无法遍历每个数据集并定义拟合范围。 有可能吗？我想将脉冲函数乘以我的模型，这也会影响原始数据。虽然据我所知，我无法告诉lmfit将其乘以数据。所以我不知道

---

模型函数或要最小化的函数返回的观测值数量（数据点或剩余数组长度）在整个拟合过程中必须相同。当然，这可能会在连续拟合之间发生变化。因此，您可以尝试对具有不同范围的每个数据集进行多次拟合，可能是基于以前的拟合设置的

我认为你用“哪里不适合”来决定哪里不适合的想法有些可疑，你应该确保避免导致荒谬的结果。例如，如果范围自动缩小到nDa=Nvariables+1，则与nDa=100*Nvariables相比，可能会得到非常低的卡方误差

---

在不知道细节的情况下，我认为您最好提出选择数据范围的标准，该范围仅取决于数据，而不是适合它

模型函数或要最小化的函数返回的观测值（数据点或残差数组长度）的数量在整个拟合过程中必须相同。当然，这可能会在连续拟合之间发生变化。因此，您可以尝试对具有不同范围的每个数据集进行多次拟合，可能是基于以前的拟合设置的

我认为你用“哪里不适合”来决定哪里不适合的想法有些可疑，你应该确保避免导致荒谬的结果。例如，如果范围自动缩小到nDa=Nvariables+1，则与nDa=100*Nvariables相比，可能会得到非常低的卡方误差

---

在不知道细节的情况下，我认为您最好提出选择数据范围的标准，该范围仅取决于数据，而不是适合它

为了以某种方式自动化数据范围选择，必须有某种筛选数据的标准。你有这样的标准吗？没有。我的想法是使用fit。我可以说从哪里开始，它应该在峰值附近，但是，它能走多远应该取决于拟合出来的卡方值。为了以某种方式自动化数据范围选择，必须有某种筛选数据的标准。你有这样的标准吗？没有。我的想法是使用fit。我可以说从哪里开始，它应该在峰值附近，但是，它能走多远应该取决于拟合出来的卡方值。