如何在数据集上执行sigma裁剪？

Question

*上下文：我正在定期查看对象的速度变化，其中周期为1.846834天，我期待与我的数据集的正弦拟合。 假设我有一组看起来像这样的数据：

#days        vel         error
5725.782701 0.195802    0.036312
5729.755560 -0.006370   0.041495
5730.765352 -0.071253   0.030760
5745.710214 0.092082    0.036094
5745.932853  0.238030   0.040097
5749.705307 0.196649    0.037140
5741.682112 0.186664    0.028075
5742.681765 -0.262104   0.038049
6186.729146 -0.243796   0.031687
6187.742803 -0.009394   0.054541
6190.717317 -0.001821   0.033684
6192.716356 0.117557    0.037807
6196.704736 0.093935    0.032336
6203.683879 0.076051    0.033085
6204.679898 -0.301463   0.033483
6208.659585 -0.409340   0.036002
6209.669701 0.180807    0.041666

在每个循环中只观察到一个或两个数据点，因此我想要做的是对数据进行相位折叠，绘制它们并使用卡方最小化拟合我的数据。这就是我到目前为止所做的：

import numpy as np
import matplotlib.pyplot as plt
from scipy import optimize as op
import csv

with open('testdata.dat') as fin:
  with open('testdata_out.dat', 'w') as fout:   #write output in a new .dat file
    o=csv.writer(fout)
    for line in fin:
        o.writerow(line.split())


#create a 2d array and give names to columns
data = np.genfromtxt('testdata_out.dat',delimiter=',',dtype=('f4,f4,f4'))
data.dtype.names = ('bjd','rv','err')


# parameters
x = data['bjd']

y = data['rv']

e = data['err']

P = 1.846834    #orbital period

T = 3763.85112  #time from ephemeris

q = (data['bjd']-T)%P

#print(q)


def niceplot():
    plt.xlabel('BJD')
    plt.ylabel('RV (km/s)')
    plt.tight_layout()

def model(q,A,V):
    return A*np.cos(np.multiply(np.divide((q),P),np.multiply(2,np.pi))-262) + V

def residuals((A,V),q,y,e):     #for least square
    return (y-model(q,A,V)) / e

def chisq((A,V),q,y,e):
    return ((residuals((A,V),q,y,e))**2).sum()

result_min = op.minimize(chisq, (0.3,0), args=(q,y,e))
print(result_min)


A,V = result_min.x
xf = np.arange(q.min(), q.max(), 0.1)
yf = model(xf,A,V)

print(xf)
print(yf)

plt.errorbar(q, y, e, fmt='ok')
plt.plot(xf,yf)
niceplot()
plt.show()

在我的情节中，正弦曲线的形状似乎适合我的数据，但它不会遍历所有数据点。 我的问题是：我如何执行sigma裁剪，以便我可以更好地适应我的数据集？我知道Scipy中的curve_fit模块可以完成这项工作。但我想知道在使用最小化模块时是否可以执行sigma裁剪？

非常感谢提前！