更改变量的lambda

我正在使用scipy（scipy.optimize.curve_fit）编写Python程序。我必须在数据集上拟合多条曲线，然后总结它们。第一步是找到所有最大值，完成。至少有一个，但通常更多。我想概括一下如下内容。更改变量的lambda

if (len(Maxima) == 1): 
    f = lambda a, b, c : a * exp((b * x) + c) 
else if (len(Maxima) == 2): 
    f = lambda a, b, c, d, e, f : (a * exp((b * x) + c)) + (d * exp((e * x) + f)

等等。我需要它，因此curve_fit将会识别出有（3 * Maxima）参数，然后它会为我找到它们。最多可以有20条曲线左右，所以做上述说明是不现实的。

任何帮助，将不胜感激。

谢谢。

编辑：对不起，我错过了功能依赖最大值。它实际上是一个集中在每个最大值上的高斯分布。

I.e.一个术语实际上是

f = (a * (Gamma ** 2)/(((E - Maxima[i])**2) + (b**2)))

而E是参数必须以自变量开始。

例如，对于

len(Maxima) == 2

ARGS必须是，

E, a0, b0, Maxima[0], a1, b1, Maxima[1]

对不起，我错了。

EDIT2：

我想是这样的：

GaussianDistribution = lambda E, E0, I0, Sigma : (I0 * np.exp(-(((E - E0)/Sigma)**2))) 
args = tuple([long] * ((len(Maxima) * 3) + 1)) 
d1, d2 = sc.curve_fit(GaussianDistribution(*args), Data[:, 0], Data[:, 1])

来源

2013-03-21 Jacob

您可以创建一个lambda函数，它接受任何数量的参数，使用arbitrary argument lists。然后，您可以使用列表理解一次接受三个参数，对它们执行操作，然后对结果进行求和。

f = lambda *args: sum(args[i] * exp((args[i+1]*x)+args[i+2]) for i in range(0, len(args)-3, 3))

来源

2013-03-21 15:01:03 Kevin

对不起，我错过了一些信息。我在介绍中加入了它，因为在这里发帖太久了。 – Jacob 2013-03-21 15:17:54

如果我得到这个正确的，你应该能够有一个拉姆达的工作：

f = lambda a, b, c : a * exp((b * x) + c)

然后

result = sum(f(a, b, c) for a, b, c in maxima)

如果maxima的形式为

maxima = [(1, 2, 3), (4, 5, 6), (7, 9, 8)]

（其中我顾ESS）。

来源

2013-03-21 15:01:16 glglgl

更改变量的lambda

回答

相关问题