使用Python3中的scipy将多个洛伦兹人拟合到数据

好吧，我很感激这需要一点耐心，但请容忍我。我正在分析一些拉曼光谱，并编写了一个程序的基础，使用Scipy曲线拟合将多个洛伦兹峰拟合到我的数据上。诀窍是我有这么多的数据，我想让程序自动识别洛伦兹人的初始猜测，而不是手动操作。总的来说，这个程序做得很好（并且可能对其他具有类似用例和更简单数据的人有用），但我不太了解Scipy，不足以优化曲线拟合，使其能够在许多不同的示例中工作

此处代码为回购：

图1显示了其工作良好的示例

问题的一部分是我的峰值查找算法，它有时很难为每个洛伦兹函数找到合适的起始位置。您可以在图2中看到这一点

下一个问题是，出于某种原因，曲线拟合偶尔会发生灾难性的发散（我最好的猜测是由于舍入误差）。您可以在图3中看到这种行为

最后，虽然我通常会对每个洛伦兹曲线的高度和x位置进行很好的猜测，但我还没有找到预测曲线宽度或半高宽的好方法。预测这可能有助于曲线拟合

如果有人能以任何方式帮助解决这些问题，我将不胜感激。我愿意接受任何其他方法或建议，包括附加的第三方库，只要它们在当前实现的基础上有所改进。非常感谢任何尝试这一次的人

在这里，它完全按照我的意图工作：

下面您可以看到峰值查找方法无法识别所有峰值。有许多峰值查找算法，但我使用的是Scipy的“find_peaks_cwt（）”（通常情况并非如此糟糕，这是一个极端情况）。

这里离这里太远了。这种情况经常发生，我真的无法理解为什么，也无法阻止它的发生。当我告诉它找到比光谱中可用的更多/更少的峰时，可能会发生这种情况，但这只是一个猜测。

---

我已经在Python3.5.2中完成了这项工作。PS我知道我不会在代码布局上赢得任何奖牌，但一如既往地欢迎对代码风格和更好实践的评论

我偶然发现了这个问题，因为我正试图解决完全相同的问题，下面是我的解决方案。对于每个峰值，我只在域+或-1/2到下一个最近峰值的距离的区域中拟合洛伦兹曲线。以下是我的函数，它确实可以分解域：

def get_local_indices(peak_indices):
#returns the array indices of the points closest to each peak (distance to next peak/2)
chunks = []

for i in range(len(peak_indices)):
    peak_index = peak_indices[i]
    if i>0 and i<len(peak_indices)-1:
        distance = min(abs(peak_index-peak_indices[i+1]),abs(peak_indices[i-1]-peak_index))
    elif i==0:
        distance = abs(peak_index-peak_indices[i+1])
    else:
        distance = abs(peak_indices[i-1]-peak_index)


    min_index = peak_index-int(distance/2)
    max_index = peak_index+int(distance/2)
    indices = np.arange(min_index,max_index)

    chunks.append(indices)

return chunks

def获取本地索引（峰值索引）：
#返回距离每个峰值最近的点的数组索引（到下一个峰值的距离/2）
块=[]
对于范围内的i（len（峰值指数））：
峰值指数=峰值指数[i]
如果i>0且i do，您可以提前知道每个样本中有多少个峰值，或者这是您需要猜测的另一个参数？另外，一种避免图3所示发散的简单方法是将高度限制为正值。
curve\u fit
仅为快速曲线拟合提供了一个非常简单的界面。看一看，这是更灵活的-虽然更难使用。您需要指定一个成本函数，而不是曲线，这使您能够决定如何对异常值进行加权。此外，您可以指定边界和约束，这可能有助于散度。我事先不知道有多少个峰值，但我知道通常在3到6之间。如何对高度进行限制？我也会看看，谢谢！