用偏斜高斯擬合直方圖

Question

我想用傾斜的高斯擬合直方圖。 我從文本文件中獲取數據：

rate, err = loadtxt('hist.dat', unpack = True)

然后將它們繪制為直方圖：

plt.hist(rate, bins= 128)

這個直方圖有一個偏斜的高斯形狀，我想適合。 我可以用簡單的 gaussian 來完成，因為scipy包含了該功能，但沒有傾斜。 我該如何繼續？

可能返回的擬合優度測試是最好的。

Answer 1

您可能會發現 lmfit ( http://lmfit.github.io/lmfit-py/ ) 很有用。 這有一個內置的傾斜高斯模型。你的問題可能很簡單

from lmfit.models import SkewedGaussianModel

xvals, yvals = read_your_histogram()

model = SkewedGaussianModel()

# set initial parameter values
params = model.make_params(amplitude=10, center=0, sigma=1, gamma=0)

# adjust parameters  to best fit data.
result = model.fit(yvals, params, x=xvals)

print(result.fit_report())
pylab.plot(xvals, yvals)
pylab.plot(xvals, result.best_fit) 

這將報告參數幅度、中心、西格瑪（對於正常高斯）和伽瑪（偏度因子）的值和不確定性。

Answer 2

使用 scipy.stats.skewnorm 的 .fit() 方法有幾個答案，但該方法不允許初始參數並且不可靠。 這個 lmfit 包更好，但我要補充一點，非零基線可能仍然會拋棄它。 為了讓它在我的特定數據集上工作，我首先使用 scipy.optimize.curve_fit 和一個普通的高斯，這是獲得基線的最快方法，然后減去它並用 lmfit 重新擬合以獲得偏斜。