Я хочу использовать мое соответствие из lmfit для генерации точек данных.Я могу сделать это с помощью вывода popt из curve_fit.Что такое эквивалент от lmfit?
Я пробовал это с Curve_fit, и это хорошо работает.Тем не менее, подгонка от lmfit лучше, и я хотел бы использовать его.Но я просто не знаю, как?
С Curve_Fit:
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import numpy as np
def _1gaussian(x, amp1,cen1,sigma1):
"""By Emily Grace Ripka: https://github.com/emilyripka/BlogRepo/blob/master/181119_PeakFitting.ipynb"""
return amp1*(1/(sigma1*(np.sqrt(2*np.pi))))*(np.exp(-((x-cen1)**2)/((2*sigma1)**2)))
function_mean = sum(x * y) / sum(y)
sigma = np.sqrt(sum(y * (x - function_mean) ** 2) / sum(y))
p0 = [max(y), function_mean, sigma]
popt,pcov = curve_fit(_1gaussian, x, y, p0)
new_x = np.linspace(int(min(x)), int(max(x)), 100)
new_y = _1gaussian(new_x, *popt)
С LMFIT:
from lmfit.models import PseudoVoigtModel
import matplotlib.pyplot as plt
mod = PseudoVoigtModel()
pars = mod.guess(y, x=x)
out = mod.fit(y, pars, x=x)
print(out.fit_report(min_correl=0.25))
out = mod.fit(y, pars, x=x)
plt.plot(x, y)
plt.plot(x, out.best_fit, 'r-')
plt.show()