python - 在lmfit中访问params属性

我正在尝试使用来自文档网站的lmfit进行示例：

import sys

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Rectangle
from matplotlib.backends.backend_pdf import PdfPages

from lmfit import minimize, Parameters, Parameter, report_fit, Minimizer, conf_interval, conf_interval2d, printfuncs
from lmfit import Model

def main():
    def decay(t, N, tau):
        return N*np.exp(-t/tau)

    decay_model = Model(decay)
    print decay_model.independent_vars
    for pname, par in decay_model.params.items():
        print pname, par

if ___name___ == "___main___":
    main()

当我执行最后一条命令时，出现以下错误：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'Model' object has no attribute 'params'

似乎参数不是Model的属性。有人可以解释为什么此代码不起作用吗？我在多台计算机和不同版本的Python上进行了尝试。在Windows 2.上的Python 2.7.9 32位上运行。

最佳答案

可能会引起问题的事情是-假设这确实是您的整个代码-您不使用任何数据进行拟合并且没有在任何地方初始化参数字典。以下是一个最小示例，该示例对于0.8.3版本适用（请参见下面的输出）；如果使用0.9.x，则必须稍作调整（检查here哪些部分已从0.8.3更改为0.9.x）。

import numpy as np
import matplotlib.pyplot as plt
from lmfit import minimize, Parameters, Parameter, report_fit

# generate some data with noise
# replace xData and yData with your data
xData = np.linspace(0., 100., 50.)
Nf = 5.
tauf = 6.5
yData = Nf * np.exp(-xData / tauf) + np.random.normal(0, 0.5, len(xData))
# plt.plot(xData, yData, 'bo')
# plt.show()

def decay(params, x, data):

    N = params['N'].value
    tau = params['tau'].value

    model = N * np.exp(-x/tau)
    return model - data # that's what you want to minimize

# create a set of Parameters
params = Parameters()
params.add('N', value=10) # value is the initial value
params.add('tau', value=8.)

# do fit, here with leastsq model
result = minimize(decay, params, args=(xData, yData))

# calculate final result
final = yData + result.residual

# write error report
report_fit(params)

# plot the data
plt.plot(xData, yData, 'bo')
plt.plot(xData, final, 'r')
plt.show()

首先，我使用您的衰减函数创建一些数据并为其添加一些噪声；此部分应替换为您的数据。其余部分很简单，您将获得以下输出（由于将噪声添加到数据中，因此实际值可能会有所不同）：

[[Variables]]
    N:     5.15685000 +/- 0.419115 (8.13%) (init= 10)
    tau:   6.58557758 +/- 0.877337 (13.32%) (init= 8)

如您所见，确定的参数与我为数据生成选择的参数非常接近。绘制数据并拟合将得到以下结果：



lmfit的好处是您可以为参数值使用边界。您可以查看示例here.

希望可以帮助您入门，如果还有其他问题，请告诉我。