拟合具有偏斜高斯的直方图

Question

我想用偏斜的高斯拟合直方图。 我从文本文件中获取数据：

rate, err = loadtxt('hist.dat', unpack = True)

然后将它们绘制为直方图：

plt.hist(rate, bins= 128)

这个直方图有一个偏斜的高斯形状，我想要适合。 我可以用一个简单的高斯来做，因为scipy包含了函数，但没有偏斜。我该怎么办？

可能，返回的优度测试将是最好的。

Answer 1

你可能会发现lmfit（http://lmfit.github.io/lmfit-py/）很有用。它内置了Skewed Gaussian模型。您的问题可能就像

一样简单

from lmfit.models import SkewedGaussianModel

xvals, yvals = read_your_histogram()

model = SkewedGaussianModel()

# set initial parameter values
params = model.make_params(amplitude=10, center=0, sigma=1, gamma=0)

# adjust parameters  to best fit data.
result = model.fit(yvals, params, x=xvals)

print(result.fit_report())
pylab.plot(xvals, yvals)
pylab.plot(xvals, result.best_fit) 

这将报告参数幅度，中心，西格玛（对于普通高斯）和伽玛，偏度因子的值和不确定性。

Answer 2

使用 scipy.stats.skewnorm 的 .fit() 方法有几个答案，但该方法不允许初始参数并且不可靠。这个 lmfit 包更好，但我要补充一点，非零基线可能仍然会抛弃它。为了让它在我的特定数据集上工作，我首先使用 scipy.optimize.curve_fit 和一个普通的高斯，这是获得基线的最快方法，然后减去它并用 lmfit 重新拟合以获得偏斜。