如何使用 curve_fit (scipy.optimize) 或 model.fit (lmfit) 同时拟合多个数据？

问题描述

对于给定的时间 (t)，我同时记录了 4 个取决于相同参数 (a,b) 但模型函数 (func1 func2 func3 func4) 不同。
我定义了一个模型函数，它返回一个包含 4 个值的数组：

def func(t,a,b):
    Icalc1=func1(t,b)
    Icalc2=func2(t,b)
    Icalc3=func3(t,b)
    Icalc4=func4(t,b)
    return [Icalc1,Iclac2,Icalc3,Icalc4]

我在 6 个不同的时间值测量了这 4 个值：

xMeas = np.array([1,2,3,4,5,6])
yMeas = np.array([
         [I1meas1,I1meas2,I1Meas3,I1Meas4],[I2meas1,I2meas2,I2Meas3,I2Meas4],[I3meas1,I3meas2,I3Meas3,I3Meas4],[I4meas1,I4meas2,I4Meas3,I4Meas4],[I5meas1,I5meas2,I5Meas3,I5Meas4],[I6meas1,I6meas2,I6Meas3,I6Meas4]])

scipy.optimize.curve_fit(func,xMeas,yMeas,vGuess) 不起作用，因为 yMeas 必须是一维数组。但是，我想将这 4 个测量值放在一起，因为它们是同时记录的。

是否可以使用另一个 scipy 函数或另一个库作为 lmfit 来做到这一点？ 谢谢解答。

解决方法

模型函数应该返回一个包含所有值的一维 numpy 数组。

如果您的 Icalc1、Icalc2 等是 numpy 数组，请使用 numpy.concatenate() 将它们组合成一个一维数组：

 #
 return numpy.concatenate((Icalc1,Icalc2,Icalc3,Icalc4))

如果 Icalc1 等是标量值，只需将它们转换为数组：

 #
 return numpy.array((Icalc1,Icalc4))