我相信我成功实现了使用来自scipy的曲线拟合的高斯拟合。但是我遇到的问题是...适合性不是很好,因为优化的参数正在改变质心。使用*** curve_fit ***从scipy和python 3.x改进高斯拟合
data =np.loadtxt('mock.txt')
my_x=data[:,0]
my_y=data[:,1]
def gauss(x,mu,sigma,A):
return A*np.exp(-(x-mu)**2/2/sigma**2)
def trimodal_gauss(x,mu1,sigma1,A1,mu2,sigma2,A2,mu3,sigma3,A3):
return gauss(x,mu1,sigma1,A1)+gauss(x,mu2,sigma2,A2)+gauss(x,mu3,sigma3,A3)
"""""
Gaussian fitting parameters recognized in each file
"""""
first_centroid=(10180.4*2+9)/9
second_centroid=(10180.4*2+(58.6934*1)+7)/9
third_centroid=(10180.4*2+(58.6934*2)+5)/9
centroid=[]
centroid+=(first_centroid,second_centroid,third_centroid)
apparent_resolving_power=1200
sigma=[]
for i in range(len(centroid)):
sigma.append(centroid[i]/((apparent_resolving_power)*2.355))
height=[1,1,1]
p=[]
p = np.array([list(t) for t in zip(centroid, sigma, height)]).flatten()
popt, pcov = curve_fit(trimodal_gauss,my_x,my_y,p0=p)
据我所知,在这里有很多山峰,但我真的需要它,以适应只有三个高斯,但在正确的质心(在我最初的猜测给出)。换句话说,我真的不希望我给出的质心不变。有没有人遇到过这样的挑战?并且可以请我帮助我做些什么来实现目标?
一般情况下,似乎你最好配合正确的号码(至少5个,也许6个),并且只采用你实际关心的三个结果。你目前的方法会做不好的工作,因为你不适合的高峰会影响你关心的三个高峰的结果。它会“认为”额外的东西是三个峰值的一部分。 – NichtJens