Question

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。

Answer 1

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。

如何使lmfit中缺少数据点的数据最小化？

1 个答案: