我只是想知道是否有一种简单的方法来实现高斯/洛伦兹拟合到10个峰值,提取半高宽,并确定半高宽在x值上的位置。复杂的方法是分离峰,拟合数据,提取半峰宽。
数据是[https://drive.google.com/file/d/0B6sUnnbyNGuOT2RZb2UwYXU4dlE/view?usp=sharing]。
任何建议都非常感谢。谢谢。
from scipy.optimize import curve_fit
import numpy as np
import matplotlib.pyplot as plt
data = np.loadtxt('data.txt', delimiter=',')
x, y = data
plt.plot(x,y)
plt.show()
def func(x, *params):
y = np.zeros_like(x)
print len(params)
for i in range(0, len(params), 3):
ctr = params[i]
amp = params[i+1]
wid = params[i+2]
y = y + amp * np.exp( -((x - ctr)/wid)**2)
guess = [0, 60000, 80, 1000, 60000, 80]
for i in range(12):
guess += [60+80*i, 46000, 25]
popt, pcov = curve_fit(func, x, y, p0=guess)
print popt
fit = func(x, *popt)
plt.plot(x, y)
plt.plot(x, fit , 'r-')
plt.show()
Traceback (most recent call last):
File "C:\Users\test.py", line 33, in <module>
popt, pcov = curve_fit(func, x, y, p0=guess)
File "C:\Python27\lib\site-packages\scipy\optimize\minpack.py", line 533, in curve_fit
res = leastsq(func, p0, args=args, full_output=1, **kw)
File "C:\Python27\lib\site-packages\scipy\optimize\minpack.py", line 368, in leastsq
shape, dtype = _check_func('leastsq', 'func', func, x0, args, n)
File "C:\Python27\lib\site-packages\scipy\optimize\minpack.py", line 19, in _check_func
res = atleast_1d(thefunc(*((x0[:numinputs],) + args)))
File "C:\Python27\lib\site-packages\scipy\optimize\minpack.py", line 444, in _ general_function
return function(xdata, *params) - ydata
TypeError: unsupported operand type(s) for -: 'NoneType' and 'float'
@john1024的答案很好,但需要手动生成初始猜测。这里有一个简单的方法自动开始猜测。将john1024的相关3行代码替换为以下代码:
这需要非线性拟合。一个很好的工具是scipy的
curve_fit
函数。要使用
curve_fit
,我们需要一个模型函数,调用它func
,它接受x
和我们的(猜测的)参数作为参数,并返回y
的相应值。作为我们的模型,我们使用高斯和:现在,让我们为参数创建一个初始猜测。这一猜测从振幅为60000、e折叠宽度为80的
x=0
和x=1,000
处的峰值开始。然后,我们在x=60, 140, 220, ...
处添加振幅为46000、宽度为25的候选峰:现在,我们准备好进行调整:
为了了解我们做得有多好,让我们绘制实际的
y
值(实心黑色曲线)和fit
(红色虚线曲线)与x
:如你所见,合身性相当好。
完整工作代码
相关问题 更多 >
编程相关推荐