python - 使用 Python 进行多峰数据拟合

Question

import numpy as np
from sympy.physics.wigner import wigner_6j
import matplotlib.pyplot as plt
xr=np.arange(0,33)
[Jo, Ju, I, Ao, Au]=[4.5, 4.5, 2.5,674.4,929]
Ao=Ao*0.00003335640954804
Au=Au*0.00003335640954804
xr1=100000000/np.array(xr)
positions=xr1
centroid = positions.mean(axis=0)
newo=0.005+100000000/4715.2274
Fo=[]
Fu=[]
new=[]
In=[]
Fomax=Jo+I
Fomin=abs(Jo-I)
Fumax=Ju+I
Fumin=abs(Ju-I)
no=int(2*min(Jo,I)+1)
for i in range(0,no):
    Fo.append(Fomax-i)
nu=int(2*min(Ju,I)+1)
for i in range(0,nu):
    Fu.append(Fumax-i)
for i in range(0,no):
    for j in range(0,nu):
        if abs(Fo[i]-Fu[j])<2:
            new.append(newo+(Ao/2)*(Fo[i]*(Fo[i]+1)-Jo*(Jo+1)-I*(I+1))-(Au/2)*(Fu[j]*(Fu[j]+1)-Ju*(Ju+1)-I*(I+1)))
            In.append((2*Fo[i]+1)*(2*Fu[j]+1)*(wigner_6j(Jo,Fo[i],I,Fu[j],Ju,1))**2/(2*I+1))
            max1=np.max(In)
for i in range(0,len(new)):
    for j in range(0,len(new)):
        if new[i]>new[j]:
            temp=new[j]
            new[j]=new[i]
            new[i]=temp
            temp=In[j]

            In[j]=In[i]
            In[i]=temp
zr=[]
sigma=0.031
x2=[]
y2=[]
y2r=[]
for i in range(0, len(new)):
    mew=new[i]
    for j in range(-100,100):
        c=mew+j/1000
        cc=In[i]*(1/(sigma*(44/7)**0.5))*np.exp(-1*((c-mew)/sigma)**2)
        y2.append(cc)
        x2.append(c)
max2=np.max(y2)
for i in range(0,len(new)):
    In[i]=In[i]/max1
for i in range(0,len(y2)):
    y2[i]=y2[i]/max2
for i in range(0,len(y2)):
    y2r.append(y2[i])
for i   in range(0,15):
    a=5
print(centroid)
fig, ax = plt.subplots()
plt.plot(x2, y2r,label="fitted data")
plt.legend()
plt.show()

我有这段代码可以产生多个峰值。图 1 显示了多个峰相互重叠的数据，但我试图通过使用这些重叠峰仅实现一条曲线，如图 2 中的“红”线所示。

但问题是必须符合最后一张图片所示的线

Answer 1

我希望我现在能明白这个问题。如果我没看错的话，问题基本上是 x 值不同。最重要的是，所有内容都合并在一个列表中。为了解决这个问题，我将 print(centroid) 之后的所有内容更改为

from scipy.interpolate import interp1d

def partition( inList, n ):
    return zip( *[ iter( inList ) ] * n )

xSplit = partition( x2, 200 ) ###manually set to 200 as data is created with range(-100,100)
ySplit = partition( y2r, 200 )
allx = sorted( x2 )
ally = np.zeros( len( allx ), np.float )
funcDict = dict()
for i in range( len( xSplit ) ):
    funcDict[i] = interp1d( xSplit[i], ySplit[i], kind='linear', bounds_error=False, fill_value=0 ) 
for i in range( len( xSplit ) ):
    ally += funcDict[i]( allx )

fig, ax = plt.subplots()
ax.plot( allx, ally, linewidth=2 )
for col1, col2 in zip( xSplit, ySplit ):
    plt.plot( col1, col2, linestyle='--' )
plt.legend()
plt.show()

这给了你

这是总和，但使用数据插值。是这个想法吗？

编辑 看来OP需要更多的信封而不是总和。詹姆斯·菲利普斯给出了解决方案。人们甚至可以使用 numpy 更改来缩短这一时间

ally += funcDict[i]( allx )

至

ally = np.maximum(ally, funcDict[i]( allx ) )

然后给出