Python 拟合曲线的显示问题：无法解决粗糙度

尽管有一个使用

lmfit

库进行曲线拟合的工作脚本，但我无法解决显示问题。实际上，由于只有5个相关值，因此生成的图相当粗糙

在切换到

lmfit

之前，我使用的是

curve\u fit

，只需使用

np.linspace

即可解决显示问题，并绘制拟合过程产生的优化值。然后，我通过

plt.errorbar

显示“真实”值。使用

lmfit

，上述解决方案会产生不匹配错误，因为它会识别“伪”自变量并启动不匹配类型错误

我的完整脚本如下：

import lmfit as lf
from lmfit import Model, Parameters
import numpy as np
import matplotlib.pyplot as plt
from math import atan


def on_res(omega_eff, thetas, R2avg=5, k_ex=0.1, phi_ex=500):
    return R2avg*(np.sin(thetas))**2 + ((np.sin(thetas))**2)*(phi_ex*k_ex/(k_ex**2 + omega_eff**2))

model = Model(on_res,independent_vars=['omega_eff','thetas'])
params = model.make_params(R2avg=5, k_ex=0.01, phi_ex=1500)


carrier = 6146.53
O_1 = 5846
spin_locks = (1000, 2000, 3000, 4000, 5000) 
delta_omega = (O_1 - carrier)

omega_eff1 = ((delta_omega**2) + (spin_locks[0]**2))**0.5
omega_eff2 = ((delta_omega**2) + (spin_locks[1]**2))**0.5
omega_eff3 = ((delta_omega**2) + (spin_locks[2]**2))**0.5
omega_eff4 = ((delta_omega**2) + (spin_locks[3]**2))**0.5
omega_eff5 = ((delta_omega**2) + (spin_locks[4]**2))**0.5

theta_rad1 = atan(spin_locks[0]/delta_omega)
theta_rad2 = atan(spin_locks[1]/delta_omega)
theta_rad3 = atan(spin_locks[2]/delta_omega)
theta_rad4 = atan(spin_locks[3]/delta_omega)
theta_rad5 = atan(spin_locks[4]/delta_omega)

x = (omega_eff1/1000, omega_eff2/1000, omega_eff3/1000, omega_eff4/1000, omega_eff5/1000)# , omega_eff6/1000)# , omega_eff7/1000)
theta = (theta_rad1, theta_rad2, theta_rad3, theta_rad4, theta_rad5)
R1rho_vals = (7.9328, 6.2642, 6.0005, 5.9972, 5.988)
e = (0.2, 0.2, 0.2, 0.2, 0.2)

new_x = np.linspace(0, 6, 1000)
omega_eff = np.array(x, dtype=float)
thetas = np.array(theta, dtype=float)
R1rho_vals = np.array(R1rho_vals, dtype=float)
error = np.array(e, dtype=float)
R2avg = []
k_ex = []
phi_ex = []

result = model.fit(R1rho_vals, params, weights=1/error, thetas=thetas, omega_eff=omega_eff, method = "emcee", steps = 1000)

print(result.fit_report())

plt.errorbar(x, R1rho_vals, yerr = error, fmt = ".k", markersize = 8, capsize = 3)
plt.plot(new_x, result.best_fit)
plt.show()

正如您在运行它时看到的，它会启动不匹配形状错误消息。将

plt.plot

行更改为

plt.plot（x，result.best_fit）

可正确生成图形，但显示非常粗糙的轮廓（如人们所料，x轴上只有5个点）

---

你知道有什么办法可以解决这个问题吗？查看文档时，我注意到提供的示例都通过实际自变量值绘制结果，因为它们有足够的实验值。

您需要使用自变量的新值重新评估ModelResult：

plt.plot(new_x, result.eval(omega_eff=new_x/1000., thetas=thetas))

---

谢谢你的回复。使用您的解决方案仍然会产生不匹配的形状错误，而使用

plt.plot（x，result.eval（x=new_x））

不会产生错误，但线条仍然像以前一样粗糙！总是很高兴看到

lmfit

被用来拟合一些好的旧核磁共振数据！您的模型有两个自变量（

omega\u eff

和

theta

）。在执行

eval

时，我觉得您只是为其中一个自变量提供了新值。@Renee哦，是的！试着让它们有意义。。。是的，我只是根据ωeff（

omega_eff

）来绘制它们，我认为这是正确的方法，因为x轴反映了辐射频率。更新的回答：基本上，你需要用新的自变量来评估模型。@MNewville再次感谢你的建议。我还是不能让它工作。。。插入您的建议，我得到以下错误：

ValueError:操作数无法与形状（5，）（1000，）

一起广播。它似乎不会接受任何不是原始值的东西，但我相信有一种方法可以解决这个问题。你还有别的建议吗s