Question

我正在用Python编写一个程序，它将高斯和洛伦兹的形状与某些给定的共振数据相匹配。我最初开始使用scipy.optimize.leastsq，但在从协方差矩阵中检索优化参数中的错误时遇到困难后改为使用optimize.curve_fit。

我已经定义了一个函数来拟合Gaussian和Lorentzian的总和：

def mix(x,*p):
    ng = numg
    p1 = p[:3*ng]
    p2 = p[3*ng:]
    a = sumarray(gaussian(x,p1),lorentzian(x,p2))
    return a

其中p是拟合参数的初始猜测数组。以下是使用curve_fit调用它的实例：

leastsq,covar = opt.curve_fit(mix,energy,intensity,inputtot)

目前numg（高斯形状的数量）是一个全局变量。是否有任何方式可以将其作为额外参数合并到curve_fit中，就像使用leastsq一样？

Answer 1

关于python的好处是你可以定义返回其他函数的函数，尝试currying：

def make_mix(numg): 
    def mix(x, *p): 
        ng = numg
        p1 = p[:3*ng]
        p2 = p[3*ng:]
        a = sumarray(gaussian(x,p1),lorentzian(x,p2))
        return a
    return mix

然后

leastsq, covar = opt.curve_fit(make_mix(numg),energy,intensity,inputtot)

使用scipy.optimize.curve_fit传递其他参数？

1 个答案: