LMFITを使用してマルチピーク関数をデータセットにフィッティング

Question

LMFITライブラリ を使用してマルチローレンツフィッティングを作成しようとしていますが、機能しません。また、 の構文が完全に間違っていますしかし、私には新しいアイデアはありません。

私の問題はこれです：私は ピークの複数のセットと非常に長いスペクトルを持っているが、ピークの数がこれらのセットには一定ではないので、 時々私はちょうど1ピークを持っていますが、時々私は8を持っているかもしれません あるいは20

#function definition: 

def Lorentzian(x, amp, cen, wid, n): 
    f = 0 
    for i in range(int(n)): 
     "lorentzian function: wid = half-width at half-max" 
     f += (amp[i]/(1 + ((x-cen[i])/wid[i])**2)) 
    return f 

#library import and model definition: 

import lmfit as lf 

lmodel = lf.Model(Lorentzian) 

#The initial parameters for the model: 
peaks_in_interval = np.array([2378, 2493, 2525, 2630, 2769]) 

number_of_peaks = len(peaks_in_interval)   
amplitude = width = np.zeros(number_of_peaks) + 1 
center = x[peaks_in_interval] 

params = lmodel.make_params(x = x, amp = amplitude, cen = center, wid = width, n = number_of_peaks) 

#This is the line that doesn't work:       
result = lmodel.fit(y, params, x = x) 

私は私が マルチローレンツを返す一般的な機能をしようとして始めましたが、私はその仕事をするためにどのように苦労しています...

x、y配列のデータも送る。

DataSet for x and y

This is what the DataSet of x and y looks like.

Answer 1

あなたはmanualで説明したように内蔵されたモデルを利用し、接頭辞を使用することができるはずです。さらに、mailinglistに関する非常に類似したトピックについての最近の議論がありました。

以下のようにすることができます。それはまだ最後のピークにはまだよく合っていませんが、おそらく開始値などでちょっと手間をかけることができます。さらに、ベースラインが完全にフラットではないので、ConstantModelの代わりにLinearModelを使用すると改善されるかもしれませんが、試していません。

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

x, y = np.loadtxt('Peaks.txt', unpack=True) 

peaks_in_interval = np.array([43, 159, 191, 296, 435, 544]) 
number_of_peaks = len(peaks_in_interval) 
amplitude = y[peaks_in_interval]/5 
width = np.zeros(number_of_peaks) + 0.1 
center = x[peaks_in_interval] 

def make_model(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 

mod = None 
for i in range(len(peaks_in_interval)): 
    this_mod = make_model(i) 
    if mod is None: 
     mod = this_mod 
    else: 
     mod = mod + this_mod 

offset = ConstantModel() 
offset.set_param_hint('c', value=np.average(y[-75:])) 
mod = mod + offset 

out=mod.fit(y, x=x, method='nelder') 
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()