洛伦兹模块

Question

所以我使用这个洛伦兹符合我的代码，但是我的代码不对。

x = freqs2
y = psd2

model = LorentzianModel()
model.guess(y, x=x)
#model.param_names['amplitude'].value = int(6)

init_fit = model.model(x=x)
model.fit(y, x=x)

final_fit = model.model(x=x)

plt.plot(x, final_fit, 'r-')
plt.plot(x, init_fit, 'k--')
plt.plot(x, y,         'bo')

我得到的错误是没有名为＆＃34; model＆＃34;的属性，你知道该怎么做吗？我正在使用文档。当我用模型评论这些线时，我得到了这个：

这几乎是我需要的，但是这个属性错误怎么办？

顺便说一句。

#model.param_names['amplitude'].value = int(6)

这条线也不起作用，所以我评论了它。

编辑：

x = freqs2
y = psd2

mod = LorentzianModel()

pars = mod.guess(y, x=x)
out = mod.fit(y, pars, x=x)
print(out.fit_report(min_correl=0.25))

我已经检查了我的代码，它似乎给出了很好的结果，但我不知道如何绘制它。我从这边使用这个：

https://lmfit-py.readthedocs.io/en/latest/builtin_models.html#example-1-fit-peaked-data-to-gaussian-lorentzian-and-voigt-profiles

Answer 1

总是更好发布运行的实际代码以显示问题和以显示完整结果，包括任何错误消息。真的，总是更好，永远不会更糟。说出你做了什么（即发布完整代码）和发生了什么（即发布完整输出）。令人震惊的是，有多少人没有这样做，并错误地认为人们会想要用一个可悲的不完整的问题来帮助他们（“我做了一些事情，但它没有用。帮助打瞌睡！”）。好消息是，现在你，是的，你，汤米，知道这一点，永远不必再成为那样的人了。

除了不完整之外，您的代码还有一些不同的问题。我建议您查看文档中的示例，例如https://lmfit.github.io/lmfit-py/builtin_models.html#example-1-fit-peak-data-to-gaussian-lorentzian-and-voigt-profiles和https://github.com/lmfit/lmfit-py/tree/master/examples处的许多示例

看起来你对python来说还是个新手。否则，您将运行上面的代码（假设导入已正确发生并且数据已定义）并且已经看到了

Traceback (most recent call last):
  File "myfit.py", line XXX, in <module>
    init_fit = model.model(x=x)
AttributeError: 'LorentzianModel' object has no attribute 'model'

并意识到model没有名为model的属性。

您可能正在寻找评估模型的方法。你没有明确地问过这个问题（提示：下次问一个你想要回答的问题！），但如果你这样做了，你可能已经阅读了文档以找到方法eval() （http://lmfit.github.io/lmfit-py/model.html#lmfit.model.Model.eval）。这需要一个params对象，保存参数。您可以从model.guess()获得此信息，但是您没有保留model.guess()返回的值，因此您没有将其传递给model.eval()。做类似的事情：

model = LorentzianModel()
params = model.guess(y, x=x)
init_fit = model.eval(params, x=x)

会有效，然后你可以（例如）绘制数据和初始拟合。您可以继续实际拟合，但是您需要再次包含参数，至少执行

model.fit(y, params, x=x) # don't do this!

适合发生。当然，你几乎肯定想知道那个拟合的结果是什么，所以，你需要保存结果，这需要

result = model.fit(y, params, x=x) # yes, do this!

为了在合身后看到最合适的颜色，你不会这样做

final_fit = model.eval(params, x=x) # no, that is still the initial fit!!

而是做

final_fit = model.eval(result.params, x=x) # yes, this uses the resulting parameters

甚至更好

final_fit = result.best_fit  # the best fit is already included in the result

顺便说一下，您的注释掉的行

model.param_names['amplitude'].value = int(6)

无效，因为model.param_names是一个列表，而不是一个字典。但这不是你想要的。假设您打算将amplitude参数的初始值设置为6，则可以

model = LorentzianModel()
params = model.guess(y, x=x)
params['amplitude'].value = 6  # no need for int()!

如果您不想以“猜测”参数值开头，您还可以创建一个参数对象，为所有变量参数提供初始值，例如

model = LorentzianModel()
params = model.make_params(amplitude=6, center=5, sigma=1)

希望有所帮助。