使用lmfit进行插值？

Question

我试图用lmfit拟合一条曲线，但我正在处理的数据集不包含很多点，这使得最终的拟合看起来是锯齿状的，而不是曲线。

我只是简单地使用这句话：

out =mod.fit(服务，解析，x=VR)

我们的VR和SV是我想要拟合的点的坐标。

我试过使用scipy.interpolate.UnivariateSpline和拟合结果数据，但我想知道是否有内置的或更快的方法来做这件事。

谢谢

Answer 1

没有一种内置的方法可以使用lmfit自动插值。对于lmfit模型，您需要提供一个独立值的数组来评估模型，并提供一个要与该模型进行比较的数据数组。

您可以自由地对数据进行插值或平滑处理，或者执行其他一些转换(我有时会对数据进行傅立叶变换并建立模型，以强调某些频率)，但您必须将其作为模型的一部分。

Answer 2

虽然您可能能够使用scipy.interpolate.UnivariateSpline完成这项工作，但您基本上可以适应您已经做过的工作。

取而代之的是，你可以使用你最初的fit中已经提供给你的组件。一旦你知道了怎么做，这是非常微不足道的，但是lmfit文档并没有提供一个清晰的案例。

import numpy as np
from lmfit.models import GaussianModel
import matplotlib.pyplot as plt

y, _ = np.histogram(np.random.normal(size=1000), bins=10, density=True)
x = np.linspace(0, 1, y.size)

# Replace with whatever model you are using (with the caveat that the above dataset is gaussian).
model = GaussianModel()
params = model.guess(y, x=x)
result = model.fit(y, params, x=x)

x_interp = np.linspace(0, 1, 100*y.size)
# The model is attached to the result, which makes it easier if you're sending it somewhere.
y_interp = result.model.func(x_interp, **result.best_values)

plt.plot(x, y, label='original')
plt.plot(x_interp, y_interp, label='interpolated')
plt.legend()
plt.show()