Как я могу сделать лучшую подгонку кривой с помощью гауссовой функции, подобной этой?

Question

У меня есть данные, и я подгоняю данные с помощью гауссовой кривой. Синие пули - мои данные. Гауссиан начинается с нуля и выглядит как красная кривая. Но я хочу что-то, что больше похоже на зеленую кривую. Все примеры подгонки гауссовой кривой, которые я нашел в Интернете, начинаются с нуля. Может быть, есть другая функция, которая может изменить начальное значение y или что-то в этом роде?

Вот мой код до сих пор:

import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import numpy as np
import os
import csv

path = 'Proben Bilder v06 results'
filename = '00_sumListe.csv'

# read csv file with scale data
x = []
y = []
with open(os.path.join(path, filename), 'r') as csvfile:
    sumFile = csv.reader(csvfile, delimiter=',')
    for row in sumFile:
        id = float(row[0])
        sumListe = -float(row[1])
        x = np.append(x, id)
        y = np.append(y, sumListe)
y = y-min(y)
# x = np.arange(10)
# y = np.array([0, 1, 2, 3, 4, 5, 4, 3, 2, 1])

# weighted arithmetic mean (corrected - check the section below)
mean = sum(x * y) / sum(y)
sigma = np.sqrt(sum(y * (x - mean)**2) / sum(y))


def gauss(x, a, x0, sigma):             # x0 = mü
    return a * np.exp(-(x - x0)**2 / (2 * sigma**2))


popt, pcov = curve_fit(gauss, x, y, p0=[max(y), mean, sigma])
# plt.gca().invert_yaxis()
plt.plot(x, y, 'b+:', label='data')
plt.plot(x, gauss(x, *popt), 'r-', label='fit')
plt.legend()
plt.title('Fig. 3 - Fit for Time Constant')
plt.xlabel('steps')
plt.ylabel('mean value')
plt.show()

Мои данные слишком большие, чтобы написать их здесь... Я не могу загрузить их или могу?

У кого-нибудь есть идея получше?

Answer 1

Вы можете изменить свою функцию Гаусса так, чтобы смещение по оси Y потенциально могло обеспечить вам лучшее соответствие. Это требует, чтобы вы добавили дополнительную начальную догадку в p0

# your code here

def gauss2(x, b, a, x0, sigma):
    return b + (a * np.exp(-(x - x0) ** 2 / (2 * sigma ** 2)))

popt, pcov = curve_fit(gauss2, x, y, p0=[10, max(y), mean, sigma])