Python Scipy LeastSq错误条

我正在使用SciPy的LeastSq将实验光谱与理论预期进行拟合。当然，存在与实验值相关的误差。我怎样才能把这些喂给Leatsq，或者我需要一个不同的程序？我在文档中找不到任何内容。

该函数没有内置的合并权重的方法。但是，该函数确实有一个

sigma

参数，可用于指示每个y数据点的方差

curve\u fit

使用

1.0/sigma

作为权重，其中

sigma

可以是长度

N

的数组（与

ydata

长度相同）

因此，您必须根据误差条的大小推测每个ydata点的方差，并使用该方差确定

sigma

例如，如果您声明错误条长度的一半表示1个标准偏差，则方差（即

曲线拟合

调用的

σ

）将是标准偏差的平方

sigma = (length_of_error_bar/2)**2

参考：

---

我自己在做这件事的中间，所以我将分享我所做的事情，也许我们可以从社区得到一些评论。我有一个数据点的集合，这些数据点以一定的时间间隔获取，从中我计算出了标准偏差。我想用sin函数来拟合这些点。Leastsq通过最小化残差，或者基于一组参数p的数据点和拟合函数之间的差异来实现这一点。我们可以通过将残差除以方差或标准偏差的平方来加权残差

sigma = (length_of_error_bar/2)**2

详情如下:

from scipy.optimize import leastsq
import numpy as np
from matplotlib import pyplot as plt
def sin_func(t, p):
    """ Returns the sin function for the parameters:
        p[0] := amplitude
        p[1] := period/wavelength
        p[2] := phase offset
        p[3] := amplitude offset
    """
    y = p[0]*np.sin(2*np.pi/p[1]*t+p[2])+p[3]
    return y

def sin_residuals(p, y, t, std):
    err = (y - p[0]*np.sin(2*np.pi/p[1]*t+p[2])-p[3])/std**2
    return err

def sin_fit(t, ydata, std, p0):
""" Fits a set of data, ydata, on a domain, t, with individual standard 
deviations, std, to a sin curve given the initial parameters, p0, of the form:
        p[0] := amplitude
        p[1] := period/wavelength
        p[2] := phase offset
        p[3] := amplitude offset
    """
    # optimization # 
    pbest = leastsq(sin_residuals, p0, args=(ydata, t, std), full_output=1)
    p_fit = pbest[0]

    # fit to data #
    fit = p_fit[0]*np.sin(2*np.pi/p_fit[1]*t+p_fit[2])+p_fit[3]

    return p_fit

---

它们是数据格式错误（例如“null”）还是？在后一种情况下，没有标准的方法来处理它。你能提供更多关于错误内容和错误分布的详细信息吗？错误基本上是通道中计数数的平方比。我在残差函数中加入了权重函数，效果很好。我可能会看一看曲线拟合例程，但由于我实际上使用的是lmfit（它处理的参数非常棒），我的第一种方法是加权。哦，是的，我想你可以这样做——在这种情况下，你可以使用

leastsq

。