我不知道';在python统计数据打印输出中看不到任何chi2
下面的python代码没有显示chi2和简化的chi2。它只显示变量和相关性。为什么会这样 代码如下所示我不知道';在python统计数据打印输出中看不到任何chi2,python,Python,下面的python代码没有显示chi2和简化的chi2。它只显示变量和相关性。为什么会这样 代码如下所示 #!/usr/bin/env python #<examples/doc_model1.py> from numpy import sqrt, pi, exp, linspace, loadtxt from lmfit import Model import matplotlib.pyplot as plt data = loadtxt('model1d_gauss.dat
#!/usr/bin/env python
#<examples/doc_model1.py>
from numpy import sqrt, pi, exp, linspace, loadtxt
from lmfit import Model
import matplotlib.pyplot as plt
data = loadtxt('model1d_gauss.dat')
x = data[:, 0]
y = data[:, 1]
def gaussian(x, amp, cen, wid):
"1-d gaussian: gaussian(x, amp, cen, wid)"
return (amp/(sqrt(2*pi)*wid)) * exp(-(x-cen)**2 /(2*wid**2))
gmodel = Model(gaussian)
result = gmodel.fit(y, x=x, amp=5, cen=5, wid=1)
print(result.fit_report())
plt.plot(x, y, 'bo')
plt.plot(x, result.init_fit, 'k--')
plt.plot(x, result.best_fit, 'r-')
plt.show()
#<end examples/doc_model1.py>
#/usr/bin/env python
#
从numpy导入sqrt、pi、exp、linspace、loadtxt
从lmfit导入模型
将matplotlib.pyplot作为plt导入
data=loadtxt('model1d\u gauss.dat')
x=数据[:,0]
y=数据[:,1]
def高斯(x、amp、cen、wid):
一维高斯:高斯(x,amp,cen,wid)
返回(amp/(sqrt(2*pi)*wid))*exp(-(x-cen)**2/(2*wid**2))
G模型=模型(高斯)
结果=G模型拟合(y,x=x,amp=5,cen=5,wid=1)
打印(result.fit_report())
plt.绘图(x,y,'bo')
plt.plot(x,result.init_fit,'k--')
plt.plot(x,result.best_fit,'r-')
plt.show()
#
输出如下
[[Model]]
Model(gaussian)
[[Variables]]
amp: 8.88021829 +/- 0.113594 (1.28%) (init= 5)
cen: 5.65866102 +/- 0.010304 (0.18%) (init= 5)
wid: 0.69765468 +/- 0.010304 (1.48%) (init= 1)
[[Correlations]] (unreported correlations are < 0.100)
C(amp, wid) = 0.577
[[Model]]
模型(高斯)
[[变量]]
amp:8.88012829+/-0.113594(1.28%)(初始值=5)
欧洲标准化委员会:5.65866102+/-0.010304(0.18%)(初始值=5)
wid:0.69765468+/-0.010304(1.48%)(初始值=1)
[[相关性]](未报告的相关性<0.100)
C(安培,宽)=0.577
是的,很抱歉,这在git存储库的主分支中已修复
您可以获取并打印模型结果的任何属性的值(请参见),但在版本0.9.6中,这些值未作为拟合报告的一部分正确打印。再次,在主回购协议中修复