将高斯拟合到一组x，y数据

Question

首先，这是我已经设定的任务，所以我只能在指针之后使用，我只能使用以下库，NumPy，SciPy和MatPlotLib。

我们已经获得了一个txt文件，其中包含用于共振实验的x和y数据，并且必须适合高斯和洛伦兹拟合。我现在正在研究高斯拟合，并尝试遵循上一个问题中列出的代码作为我自己的代码的基础。 （Gaussian fit for Python）

from numpy import *
from matplotlib import *
import matplotlib.pyplot as plt  ##Import Libraries
import pylab
from scipy.optimize import curve_fit

####################################

energy,intensity=numpy.loadtxt('resonance_data.txt',unpack=True)
print energy
print intensity  ##Load in text file and print the arrays




#####################################

n = size(energy)
mean = 30.7
sigma = 10
intensity0 = 45

def gaus(energy,intensity0,energy0,sigma):
       return intensity0*exp(-(energy-energy0)**2/(sigma**2))

popt,pcov = curve_fit(gaus,energy,intensity,p0=[45,mean,sigma])



plt.plot(energy,intensity,'o')
plt.xlabel('Energy/eV')
plt.ylabel('Intensity')
plt.title('Plot of Intensity against Energy')  ##Plot raw data along with axis labels         and title
plt.plot(energy,gaus(energy,*popt))
plt.show()

返回以下图表

如果我保留mean和sigma的表达式，就像发布的url一样，曲线拟合是一条水平线，所以我猜测问题在于曲线拟合不收敛或什么的。

我有点像初学者所以任何指针都有帮助：）

由于

更新：我设法改善了高斯拟合并让洛伦兹人工作，甚至（我认为）设法计算每种情况下残差的总和。

干杯！

再次感谢你们

Answer 1

看起来你的数据向左偏重，为什么高斯？不是Boltzmann，Log-Normal，还是其他什么？

其中大部分已在scipy.stats中实施。有关lorentzian和scipy.stats.cauchy高斯，请参阅scipy.stats.normal。一个例子：

import scipy.stats as ss
A=ss.norm.rvs(0, 5, size=(100)) #Generate a random variable of 100 elements, with expected mean=0, std=5
ss.norm.fit_loc_scale(A) #fit both the mean and std
(-0.13053732553697531, 5.163322485150271) #your number will vary.

我认为你不需要intensity0参数，它只是1/sigma/srqt(2*pi)，因为密度函数必须总和为1。