例如我有数据:
x y1 y2 y1
---------------------
1 5 8 -
2 4 - 4
3 7 7 10
4 9 4 12
5 10 - 20
6 15 - 21
其中x是x轴,y1,y2,y3是三个不同的数据集,它们组合在一起。
为了简单起见,heres减少了拟合代码的版本:
def gauss_dataset(params, i, x):
"""calc gaussian from params for data set i
using simple, hardwired naming convention"""
x = params['x_%i' % (i+1)].value
y = params['x_%i' % (i+1)].value
return x + y
def objective(params, x, data):
""" calculate total residual for fits to several data sets held
in a 2-D array, and modeled by Gaussian functions"""
ndata, nx = data.shape
resid = 0.0*data[:]
# make residual per data set
for i in range(ndata):
resid[i, :] = data[i, :] - gauss_dataset(params, i, x)
# now flatten this to a 1D array, as minimize() needs
return resid.flatten()
x = np.linspace(0, 50, 50)
data = []
...
# Rearange data
for col in range(0, data_sets):
for row in range (0, size_rows):
data[col][row] = intens[row][col+1]
# create 5 sets of parameters, one per data set
fit_params = Parameters()
for iy, y in enumerate(data):
fit_params.add( 'x_%i' % (iy+1))
fit_params.add( 'y_%i' % (iy+1))
# run the global fit to all the data sets
minimize(objective, fit_params, args=(x, data))
minimize(objective, fit_params, args=(x, data))
中的:
data
是data [y] [z]:y - 数据集,z - 该数据集中的数据。
x
是x轴。
如何修改我的python脚本lmfit最小化以忽略丢失的数据点或重写我的脚本,因此每个数据都有自己的x轴?:
x1 y1 x2 y2 x3 y3
-----------------------------
1 5 1 8 2 4-
2 4 3 7 3 10
3 7 4 4 4 12
4 9 5 20
5 10 6 21
6 15
我也不能使用多个最小化拟合(脚本实际上比上面显示的更复杂),所以first =最小化(objective,fit_params,args =(x1,y1)),second =最小化(objective,fit_params,args =( x2,y2))无效答案。
答案 0 :(得分:0)
我没有看到您如何读取数据,因此无法分辨丢失值的表示方式。如果您使用.some-class :matches(h1, h3, p) { margin-bottom: 1.2em; }
之类的内容来表示缺失值,则可以使用np.nan
和np.isnan
屏蔽剩余计算中的点数。这可能发生在np.where
结果之前或之后。