尝试对下面的数据进行双高斯分布

Question

蓝色曲线是原始数据，绿色曲线是仅第二个最大值的高斯拟合，黄色曲线是两个最大值的高斯组合。上下文：

yraw

是列表中的原始数据，

xpixel

是x轴（500-1250）

这是我的高斯方法：

def Gauss(x, amp, mu, sigma): 
    return amp*np.exp(-((x-mu)/(np.sqrt(2)*sigma))**2)

def bimode(x, amp1, mu1, sigma1, amp2, mu2, sigma2):
    return Gauss(x, amp1, mu1, sigma1) + Gauss(x, amp2, mu2, sigma2)


ypg1 = np.asarray(yraw) #make np array from raw data list



parameters, covarience = curve_fit(bimode, xpixel, ypg1, p0 = (78, 805, 15, 8, 950, 15)) #does a curve fit for our gauss function. we give it an initial guess of amplitude, mean value (95,000)
#parameters returns amp, mu, sig, amp, mu, sig
print(parameters)


ygauss = bimode(xpixel, parameters[0], parameters[1], parameters[2], parameters[3], parameters[4], parameters[5])

我期待从双高斯曲线拟合出一个很好的曲线来包络两个最大值。

Answer 1

让我们创建一些数据集：

import numpy as np
import matplotlib.pyplot as plt
from scipy import optimize, stats
from pybaselines import Baseline, utils

p0 = (78, 810, 20, 8, 940, 20)

np.random.seed(12345)

x = np.linspace(500, 1250, 300)
y = model(x, *p0)
n = stats.gamma.rvs(a=1, size=y.size)
baseline = peak(x, 10, 850, 100)
yn = y + n + baseline

现在删除基线：

fitter = Baseline(x)
background = fitter.noise_median(yn)[0]

ynb = yn - background

并且适合：

popt, pcov = optimize.curve_fit(
    model, x, ynb, p0=(100, 800, 10, 10, 950, 10)
)

两个峰值都可以找到：