更改變量的lambda

我正在使用scipy（scipy.optimize.curve_fit）編寫Python程序。我必須在數據集上擬合多條曲線，然後總結它們。第一步是找到所有最大值，完成。至少有一個，但通常更多。我想概括一下如下內容。更改變量的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將會識別出有（3 * Maxima）參數，然後它會爲我找到它們。最多可以有20條曲線左右，所以做上述說明是不現實的。

任何幫助，將不勝感激。

謝謝。

編輯：對不起，我錯過了功能依賴最大值。它實際上是一個集中在每個最大值上的高斯分佈。

I.e.一個術語實際上是

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

而E是參數必須以自變量開始。

例如，對於

len(Maxima) == 2

ARGS必須是，

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

對不起，我錯了。

EDIT2：

我想是這樣的：

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])

來源

2013-03-21 Jacob

您可以創建一個lambda函數，它接受任何數量的參數，使用arbitrary argument lists。然後，您可以使用列表理解一次接受三個參數，對它們執行操作，然後對結果進行求和。

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

來源

2013-03-21 15:01:03 Kevin

對不起，我錯過了一些信息。我在介紹中加入了它，因爲在這裏發帖太久了。 – Jacob 2013-03-21 15:17:54

如果我得到這個正確的，你應該能夠有一個拉姆達的工作：

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

然後

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

如果maxima的形式爲

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

（其中我顧ESS）。

來源

2013-03-21 15:01:16 glglgl

更改變量的lambda

回答

相關問題