Пиковая посадка

Question

Пытаясь подобрать пик к некоторым данным вроде этого:

import scipy
from lmfit.models import GaussianModel
x = shm.PTR_P
y = shm.PORE_V_P
mod = LorentzianModel()

pars = mod.guess(y, x=x)
out  = mod.fit(y, pars, x=x)
print(out.fit_report(min_correl=0.25))

и хотя я могу выполнить подбор, если я сгенерирую данные, если я попытаюсь прочитать их из другого источника, это не сработает. Я не слишком хорош в этом и понятия не имею, в чем проблема. Вот вывод:

[Х, у] [(34,145490000000002, 3.4599999999999999e-08), (29,286449999999999, 4.8399999999999997e-08), (25,118860000000002, 0,026773140000000001), (+21,544350000000001, 0,068791409999999997), (18,4785, 0,083200979999999994), (15,848929999999999, 0,02123179), (+11,659139999999999, +0,01551077), (10.0, +0,084493879999999993), (6,3095739999999996, 2.0899999999999998e-07), (5,4116949999999999, 0,045209140000000002), (4,6415889999999997, 0,054789360000000002), (3,4145489999999996, 8.9399999999999993e-08), (2,9286449999999999, 0,01100814), (2,5118860000000001, 0,088990659999999999), (1.84785, 3.5799999999999995e-07), (1.5848930000000001, 0.099999009999999999), (1.359356, 0.075139280000000003), (1.1659139999999999, 0.167379), (1.0, 0.576930500009900), 0.90000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000 25.299099999999999), (0.54116949999999997, 21.413350000000001), (0.46415889999999999, 13.408829999999998), (0.39810719999999999, 8.3584750000000003), (0. 34145490000000006, 5,3982010000000002), (0,29286440000000002, 3,7518540000000002), (+0,25118859999999998, 2,5325389999999999), (+0,21544349999999998, 1,7722470000000001), (+0,18478499999999998, 1,445808), (+0,15848929999999997, 1,182083), (+0,13593559999999999, 0,94957730000000007), (0,1165914, 0,67620849999999999), (0,10000000000000001, 0,46631620000000001), (+0,085769590000000007, 0,41001890000000002), (0,07356422, 0,30625920000000001), (+0,063095730000000003, +0,24040219999999998), (0,054116949999999997, 0,1942596), (+0,046415890000000001, 0,11306760000000002), (+0,039810720000000001, 0,099998470000000006), (0,034145490000000001, 0,099998470000000006), (+0,029286449999999999, 0,02246857) (0,025118870000000001, 0,077529909999999994)]

Answer 1

Я предполагаю, что либо в ваших данных есть NaN, либо что первоначальное предположение слишком далеко, чтобы произвести NaN. Начальная догадка 0 для sigma кажется подозрительным - это должно быть> 0. В любом случае, нанесение на график данных и использование np.isnan() вероятно, поможет изолировать проблему.