Split-Pseudo-Voigt拟合求助：自定义函数curve_fit不收敛

一、有没有现成的内置实现？ #

• SciPy本身没有封装好的Split-Pseudo-Voigt函数，但lmfit库的models模块里直接有SplitPseudoVoigtModel，这个库专门做曲线拟合，自带参数初始化、边界约束，比自己写函数用curve_fit省心太多，强烈推荐试试。
• 你嫌弃PyMca文档烂，但它源码里其实有现成的实现——去PyMca5/PyMca/FitPlugins/SplitPseudoVoigtFitPlugin.py里扒代码就行，直接复用它的拟合逻辑，省得自己踩坑。

二、自定义函数不收敛的常见坑 #

如果非要自己写函数用curve_fit，大概率是这几个问题：

• 初始值给得太离谱：curve_fit对初始值极度敏感，Split-Pseudo-Voigt有峰位、半高宽、高斯占比（η）、峰高、背景好几个参数，初始值和真实值差太远的话，直接就发散了。先手动用scipy.signal.find_peaks找峰，把峰位、峰高、半高宽的初始值设得贴近实际，背景用基线估计的结果。
• 没加参数约束：有些参数有物理意义，比如η必须在0到1之间，半高宽得是正数。curve_fit默认不管这些，参数可能跑到负数或者大于1的范围，直接导致拟合崩了。用bounds参数给每个参数加范围，比如bounds=([-np.inf, 0, 0, 0], [np.inf, np.inf, 1, np.inf])（对应峰位、半高宽、η、峰高的约束）。
• 函数写错了：Split-Pseudo-Voigt是左右半峰用不同的高斯/洛伦兹权重，很多人写成普通Pseudo-Voigt（整个峰用同一个η），这肯定不对。正确的实现大概是这样：

  def split_pseudo_voigt(x, x0, dx, eta, height, bg):
      # x0: 峰位, dx: 半高宽, eta: 左半峰高斯占比(0-1)
      left_mask = x <= x0
      right_mask = x > x0
  
      # 左半峰：高斯权重eta，洛伦兹权重1-eta
      gauss_left = np.exp(-np.log(2) * ((x[left_mask] - x0)/dx)**2)
      lorentz_left = 1 / (1 + ((x[left_mask] - x0)/dx)**2)
      peak_left = height * (eta * gauss_left + (1 - eta) * lorentz_left)
  
      # 右半峰：高斯权重1-eta，洛伦兹权重eta
      gauss_right = np.exp(-np.log(2) * ((x[right_mask] - x0)/dx)**2)
      lorentz_right = 1 / (1 + ((x[right_mask] - x0)/dx)**2)
      peak_right = height * ((1 - eta) * gauss_right + eta * lorentz_right)
  
      return np.concatenate([peak_left, peak_right]) + bg
  

• 背景没处理好：如果谱线有倾斜或弯曲的基线，只加常数背景会拖垮拟合效果。要么把背景改成线性（加个斜率参数），要么先做基线扣除再拟合峰型。

三、快速调试方法 #

1. 先单独画自定义函数的曲线，用你觉得合理的参数值，确认形状是对的，排除函数写错的问题。
2. 用lmfit替代curve_fit，它会输出参数迭代的详细过程，能直观看到哪个参数在乱跳，方便针对性调整。
3. 给参数加约束，别让它们跑到不合理的范围里。

内容的提问来源于stack exchange，提问作者Philipp J