在类中使用scipy.optimize.curve_fit

Question

我有一堂课描述一个数学函数。 该类必须能够最小二乘拟合以适合传入的数据。 即您可以调用这样的方法：

classinstance.Fit(x,y)

并调整其内部变量以最适合数据。 我正在尝试为此使用scipy.optimize.curve_fit，它需要我传入模型函数。 问题在于模型函数在类之内，并且需要访问该类的变量和成员以计算数据。 但是，curve_fit不能调用第一个参数为self的函数。 有没有一种方法可以使curve_fit使用类的模型函数作为模型函数？

这是显示问题的最小可执行代码段：

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

# This is a class which encapsulates a gaussian and fits itself to data.
class GaussianComponent():
    # This is a formula string showing the exact code used to produce the gaussian.  I
    # It has to be printed for the user, and it can be used to compute values.
    Formula = 'self.Amp*np.exp(-((x-self.Center)**2/(self.FWHM**2*np.sqrt(2))))'

    # These parameters describe the gaussian.
    Center = 0
    Amp = 1
    FWHM = 1

    # HERE IS THE CONUNDRUM: IF I LEAVE SELF IN THE DECLARATION, CURVE_FIT
    # CANNOT CALL IT SINCE IT REQUIRES THE WRONG NUMBER OF PARAMETERS.
    # IF I REMOVE IT, FITFUNC CAN'T ACCESS THE CLASS VARIABLES.
    def FitFunc(self, x, y, Center, Amp, FWHM):
        eval('y - ' + self.Formula.replace('self.', ''))

    # This uses curve_fit to adjust the gaussian parameters to best match the
    # data passed in.
    def Fit(self, x, y):
        #FitFunc = lambda x, y, Center, Amp, FWHM: eval('y - ' + self.Formula.replace('self.', ''))
        FitParams, FitCov = curve_fit(self.FitFunc, x, y, (self.Center, self.Amp, self.FWHM))
        self.Center = FitParams[0]
        self.Amp = FitParams[1]
        self.FWHM = FitParams[2]

    # Give back a vector which describes what this gaussian looks like.
    def GetPlot(self, x):
        y = eval(self.Formula)
        return y

# Make a gausssian with default shape and position (height 1 at the origin, FWHM 1.
g = GaussianComponent()

# Make a space in which we can plot the gaussian.
x = np.linspace(-5,5,100)
y = g.GetPlot(x)

# Make some "experimental data" which is just the default shape, noisy, and
# moved up the y axis a tad so the best fit will be different.
ynoise = y + np.random.normal(loc=0.1, scale=0.1, size=len(x))

# Draw it
plt.plot(x,y, x,ynoise)
plt.show()

# Do the fit (but this doesn't work...)
g.Fit(x,y)

这会产生以下图形，然后由于模型函数尝试拟合而导致模型函数不正确而导致崩溃。

提前致谢！

Answer 1

我花了一些时间查看您的代码，不幸的是延迟了2分钟。 无论如何，为了使事情变得更有趣，我对您的课堂进行了一些编辑，这是我构想的：

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

class GaussianComponent():

    def __init__(self, func, params=None):
        self.formula = func
        self.params = params

    def eval(self, x):
        allowed_locals = {key: self.params[key] for key in self.params}
        allowed_locals["x"] = x
        allowed_globals = {"np":np}
        return eval(self.formula, allowed_globals, allowed_locals)

    def Fit(self, x, y):
        FitParams, FitCov = curve_fit(self.eval, x, y, self.params)
        self.fitparams = fitParams


# Make a gausssian with default shape and position (height 1 at the origin, FWHM 1.
g = GaussianComponent("Amp*np.exp(-((x-Center)**2/(FWHM**2*np.sqrt(2))))", 
                      params={"Amp":1, "Center":0, "FWHM":1})

**SNIPPED FOR BREVITY**

我相信您也许会找到一个更令人满意的解决方案？

当前，您所有的高斯参数都是类属性，这意味着如果您尝试使用不同的参数值创建类的第二个实例，那么您也将更改第一类的值。 通过将所有参数都推为实例属性，您可以摆脱这种情况。 这就是为什么我们首先要上课。

您对self问题源于您在Formula写下self的事实。 现在，您无需再进行任何操作。 我认为这样更有意义，因为在实例化该类的对象时，可以根据需要向已声明的函数添加尽可能多的参数。 现在甚至不必是高斯（与以前不同）。

只需将所有参数curve_fit字典中，就像curve_fit那样，就curve_fit它们。

通过明确说明eval可以使用的内容，可以帮助确保做坏事的人很难破坏您的代码。 但是仍然有可能，它始终与eval 。

祝您好运，询问是否需要澄清。

Answer 2

啊！ 这实际上是我的代码中的错误。 如果我更改此行：

def FitFunc(self, x, y, Center, Amp, FWHM):

至

def FitFunc(self, x, Center, Amp, FWHM):

那我们很好 因此，curve_fit可以正确处理self参数，但是我的模型函数不应包含y。

（尴尬！）