使用复合 PseudoVoigt 模型时出现 NameError

Question

将复合 PseudoVoigt 模型与参数命名前缀结合使用时，出现 NameError 错误。我几乎从上一个问题中复制了复合模型的示例，使用洛伦兹配置文件（使用 LMFIT 将多峰函数拟合到数据集）。这对我来说很好用，但洛伦兹线形状不是我想要的函数。当我将 PseudoVoigtModel 用于单个峰时，我没有任何问题。此外，LorentzModel 与下面的代码一起工作正常（我也将它包含在代码中，以便您可以仔细检查/确认自己）。from lmfit.models import LorentzianModel, PseudoVoigtModelimport numpy as npimport matplotlib.pyplot as pltdef make_model_L(num):    pref = "f{0}_".format(num)    model = LorentzianModel(prefix = pref)    model.set_param_hint(pref+'amplitude', value=amplitude[num], min=0, max=5*amplitude[num])    model.set_param_hint(pref+'center', value=center[num], min=center[num]-0.5, max=center[num]+0.5)    model.set_param_hint(pref+'sigma', value=width[num], min=0, max=2)    return modeldef make_model_V(num):    pref = "f{0}_".format(num)    model = PseudoVoigtModel(prefix = pref)    print('before',model.param_names)    model.set_param_hint(pref+'fraction',value = 0.7, vary = False)    model.set_param_hint(pref+'amplitude', value=amplitude[num], min=0, max=5*amplitude[num])    model.set_param_hint(pref+'center', value=center[num], min=center[num]-0.5, max=center[num]+0.5)    model.set_param_hint(pref+'fwhm', value=3, min=3/5, max=3*5)    model.set_param_hint(pref+'sigma', value=1, min=0, max=2)    model.set_param_hint(pref+'height', value=1, min=-np.inf, max=np.inf, expr='(((1-fraction)*amplitude)/(sigma*sqrt(pi/log(2)))+(fraction*amplitude)/(pi*sigma))')    print(model.param_names)    return model我收到的错误消息：NameError <_ast.Module object at 0x7f562524dbe0> ^^^ name 'fraction' 未定义NameError: at expr='<_ast.Module object at 0x7f562524dbe0>'我没有包括 TraceBack。它以“out=mod.fit(y, x=x, method='leastsq')”开始，以“~/anaconda3/lib/python3.6/site-packages/asteval/asteval.py in raise_exception(self , 节点, exc, msg, expr, lineno)"如前所述，使用 LorentzianModel 一切正常，我得到了合身（不是很好，但这是由于测试数据）。我不是很精通 python，所以我不能真正就问题可能是什么给出明智的提示。但是，我怀疑它与分数的命名以及它如何在 lmfit.fit() 函数中传递有关。

Answer 1

最好找到并发布一个显示问题的最小示例，并且最好包含包括回溯在内的完整输出。

例如，您会看到您遇到的问题：

from lmfit.models import PseudoVoigtModel

pref = 'f1_'

model = PseudoVoigtModel(prefix = pref)

print('before',model.param_names)

model.set_param_hint(pref+'fraction',value = 0.7, vary = False)

model.set_param_hint(pref+'amplitude', value=2, min=0, max=5)

model.set_param_hint(pref+'center', value=0, min=-0.5, max=0.5)

model.set_param_hint(pref+'fwhm', value=3, min=3/5, max=3*5)

model.set_param_hint(pref+'sigma', value=1, min=0, max=2)

# suspect line:

model.set_param_hint(pref+'height', value=1, min=-np.inf, max=np.inf,

                     expr='(((1-fraction)*amplitude)/(sigma*sqrt(pi/log(2)))+(fraction*amplitude)/(pi*sigma))')

print(model.param_names)

params = model.make_params()

for p in params.values():

    print(p)

问题出现是因为没有名为fraction. 正如上面几行定义的那样，它被命名为f1_fraction.

要解决这个问题，你应该改变的表达式pref+'height'也包括你pref需要的前缀字符串fraction，amplitude和sigma。

或者：您可以删除您的提示，height因为无论如何这都会自动完成，并正确使用您提供的前缀。

还：

a) 绝对不鼓励使用参数提示来提供初始值。提示属于模型，不应依赖于任何特定的数据集。做一个Model作为通用的东西，然后给每个数据集做带初始值的参数。

b) 不要将边界设置得太紧或基于初始值。界限（尤其是在参数提示中）应该用于防止参数变为非物理值，例如“为sigma负值毫无意义”，而不是因为定义模型的人认为“应该足够接近” . 让合身完成它的工作。如果您确实需要设置自定义边界，请按照数据集进行设置。