使用scipy.optimize.curve_fit传递附加参数？

Question

我正在用Python编写一个程序，它可以将Gaussian和Lorentzian形状适用于某些给定的共振数据。我最初开始使用scipy.optimize.leastsq，但在难以从协方差矩阵中检索优化参数中的误差之后，开始使用optimize.curve_fit。

我已经定义了一个函数，以适应高斯和洛伦兹的总和：

def mix(x,*p): 
    ng = numg 
    p1 = p[:3*ng] 
    p2 = p[3*ng:] 
    a = sumarray(gaussian(x,p1),lorentzian(x,p2)) 
    return a 

其中p是拟合参数的初始猜测的阵列。这里是其中使用curve_fit称为实例：

leastsq,covar = opt.curve_fit(mix,energy,intensity,inputtot) 

目前numg（高斯形状的数量）是一个全局变量。有什么方法可以将它作为额外的参数并入curve_fit而不是leastsq？

Answer 1

关于Python的伟大的事情是，你可以定义返回其他函数的函数， 尝试柯里：

def make_mix(numg): 
    def mix(x, *p): 
     ng = numg 
     p1 = p[:3*ng] 
     p2 = p[3*ng:] 
     a = sumarray(gaussian(x,p1),lorentzian(x,p2)) 
     return a 
    return mix 

然后

leastsq, covar = opt.curve_fit(make_mix(numg),energy,intensity,inputtot)