Question

将复合PseudoVoigt模型与用于参数命名的前缀结合使用时，出现NameError。

我几乎使用洛伦兹配置文件（Fitting a multi-peak function to a DataSet using LMFIT）复制了上一个问题的复合模型示例。这对我来说很好用，但是洛伦兹线条形状不是我想要适合的功能。

当我将PseudoVoigtModel用于单个峰时，我没有任何问题。此外，LorentzModel在以下代码中也可以正常工作（我也在代码中包含了它，因此您可以仔细检查/确认自己）。

from lmfit.models import LorentzianModel, PseudoVoigtModel
import numpy as np
import matplotlib.pyplot as plt

def make_model_L(num):
    pref = "f{0}_".format(num)
    model = LorentzianModel(prefix = pref)
    model.set_param_hint(pref+'amplitude', value=amplitude[num], min=0, max=5*amplitude[num])
    model.set_param_hint(pref+'center', value=center[num], min=center[num]-0.5, max=center[num]+0.5)
    model.set_param_hint(pref+'sigma', value=width[num], min=0, max=2)
    return model


def make_model_V(num):
    pref = "f{0}_".format(num)
    model = PseudoVoigtModel(prefix = pref)
    print('before',model.param_names)
    model.set_param_hint(pref+'fraction',value = 0.7, vary = False)
    model.set_param_hint(pref+'amplitude', value=amplitude[num], min=0, max=5*amplitude[num])
    model.set_param_hint(pref+'center', value=center[num], min=center[num]-0.5, max=center[num]+0.5)
    model.set_param_hint(pref+'fwhm', value=3, min=3/5, max=3*5)
    model.set_param_hint(pref+'sigma', value=1, min=0, max=2)
    model.set_param_hint(pref+'height', value=1, min=-np.inf, max=np.inf, expr='(((1-fraction)*amplitude)/(sigma*sqrt(pi/log(2)))+(fraction*amplitude)/(pi*sigma))')
    print(model.param_names)
    return model

# Some really coarse "data"
x = [0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29]
y = [1,1,1,1,3,4,5,6,5,4,3,1,1,1,1,1,1,1,1,3,4,5,6,5,4,3,1,1,1,1]

peaks_in_interval = np.array([43, 159, 191, 296, 435, 544])
amplitude = [3,3]
width = [1,1]
center = [7,21]

mod = None
for i in range(len(center)):
    #this_mod = make_model_L(i)
    this_mod = make_model_V(i)
    if mod is None:
        mod = this_mod
    else:
        mod = mod + this_mod

out=mod.fit(y, x=x, method='leastsq')
plt.interactive(True)
print(out.fit_report())
plt.plot(x, y)
plt.plot(x, out.best_fit, label='best fit')
plt.plot(x, out.init_fit, 'r--', label='fit with initial values')
plt.show()

我收到的错误消息：

NameError <位于0x7f562524dbe0的_ast.Module对象> ^^^ 名称“分数”未定义

NameError：at expr ='<_ ast.Module object at 0x7f562524dbe0>'

我没有包括TraceBack。它以“ out = mod.fit（y，x = x，method ='leastsq'）”开始，并以raise_exception（self）的“〜/ anaconda3 / lib / python3.6 / site-packages / asteval / asteval.py”结尾，node，exc，msg，expr，lineno）”

如前所述，使用LorentzianModel一切正常，我得到了一个合适的值（不是一个很好的值，但这是由于测试数据所致）。

我不太精通python，所以我无法真正给出关于问题可能是什么的灵通提示。但是，我怀疑它与分数的命名以及lmfit.fit（）函数中的传递方式有关。

最好，扬

Answer 1

总是最好找到并发布一个显示问题的 minimum 示例，并且总是最好包括完整的输出，包括追溯。

例如，您会看到遇到的问题：

from lmfit.models import PseudoVoigtModel

pref = 'f1_'
model = PseudoVoigtModel(prefix = pref)
print('before',model.param_names)
model.set_param_hint(pref+'fraction',value = 0.7, vary = False)
model.set_param_hint(pref+'amplitude', value=2, min=0, max=5)
model.set_param_hint(pref+'center', value=0, min=-0.5, max=0.5)
model.set_param_hint(pref+'fwhm', value=3, min=3/5, max=3*5)
model.set_param_hint(pref+'sigma', value=1, min=0, max=2)
# suspect line:
model.set_param_hint(pref+'height', value=1, min=-np.inf, max=np.inf,
                     expr='(((1-fraction)*amplitude)/(sigma*sqrt(pi/log(2)))+(fraction*amplitude)/(pi*sigma))')

print(model.param_names)
params = model.make_params()
for p in params.values():
    print(p)

问题来了，因为没有名为fraction的参数。正如上面仅几行所定义的，它名为f1_fraction。

要解决此问题，您应该更改pref+'height'的表达式，以根据pref，fraction和{{1}的需要还包括amplitude前缀字符串}。

或者：您可以删除sigma的提示，因为那样会自动完成并正确使用您提供的前缀。

也：

a）绝对不鼓励您在执行操作时使用参数提示来提供初始值。提示属于模型，不应依赖于任何特定的数据集。制作一个模型，然后为每个数据集创建带有初始值的参数。

b）不要将边界设置得太紧或基于初始值。界线（尤其是在参数提示中）应用于防止参数变为非物理值，例如“ height为负值没有意义”，而不是因为定义模型的人认为“应该足够接近”。让适合自己的工作。如果确实需要设置自定义范围，请针对每个数据集进行设置。

使用复合PseudoVoigt模型时出现NameError

1 个答案: