python - 用偏斜高斯拟合直方图

Question

我想用倾斜的高斯拟合直方图。 我从文本文件中获取数据:

rate, err = loadtxt('hist.dat', unpack = True)

然后将它们绘制成直方图:

plt.hist(rate, bins= 128)

这个直方图有一个倾斜的高斯形状，我想要适应。 我可以用一个简单的高斯函数来做到这一点，因为 scipy 包含函数，但没有倾斜。我该如何继续？

可能，返回的拟合优度测试是最好的。

Answer 1

您可能会发现 lmfit ( http://lmfit.github.io/lmfit-py/) 很有用。这有一个内置的偏斜高斯模型。你的问题可能很简单

from lmfit.models import SkewedGaussianModel

xvals, yvals = read_your_histogram()

model = SkewedGaussianModel()

# set initial parameter values
params = model.make_params(amplitude=10, center=0, sigma=1, gamma=0)

# adjust parameters  to best fit data.
result = model.fit(yvals, params, x=xvals)

print(result.fit_report())
pylab.plot(xvals, yvals)
pylab.plot(xvals, result.best_fit) 

这将报告参数振幅、中心、sigma(对于正态高斯)和 gamma(偏度因子)的值和不确定性。