You need to enable JavaScript to run this app. 基于Python实现的Co60数据高斯曲线拟合结果异常问题咨询
优惠活动
大模型
产品
解决方案
定价
更多

基于Python实现的Co60数据高斯曲线拟合结果异常问题咨询

现有代码核心问题排查
  • 变量逻辑错配:data = x,y = np.genfromtxt(...) 赋值后,data是同时包含x轴(道数)、y轴(计数)的二维元组,后续绘制拟合线时直接将整个data传入gauss()函数作为输入x参数,根本无法完成正确的高斯值计算;同时手写的ax1.plot(y,x)颠倒了轴对应关系,和代码里设置的xlim(0,1400)、ylim(0,2000)的范围完全不匹配。
  • 缺失正式拟合环节:代码直接硬编码了A=750、x0=1200、sigma=10三个参数,没有调用拟合算法根据实验数据自动求解最优值。结合输出图里的实际峰形判断,手动设置的sigma=10对应的峰宽过窄,和实际数据的峰跨度差了一个数量级,自然无法贴合曲线。
  • 高斯函数计算逻辑本身没有问题,但因为输入维度错配,输出结果完全不符合预期。
修正后可直接运行的实现代码
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
%matplotlib inline

# 正确拆分读取CSV的两列数据:第一列为道数(x轴),第二列为计数(y轴)
x, y = np.genfromtxt(
    'Co60_600s.csv', 
    unpack=True, 
    delimiter=',',
    skip_header=0,     
    usecols=(0,1)
)

# 定义带本底基线的高斯函数,适配能谱类实验的常见计数本底
def gauss(x, A, x0, sigma, offset):
    return offset + A * np.exp(-(x - x0)**2 / (2 * sigma**2))

# 根据输出图的峰形设置初始估算值,避免拟合收敛到错误局部解
initial_guess = [750, 1200, 50, 0]

# 自动求解最优拟合参数
popt, _ = curve_fit(gauss, x, y, p0=initial_guess)
A_opt, x0_opt, sigma_opt, offset_opt = popt

# 绘图
fig, ax1 = plt.subplots(figsize=(8,5))
# 绘制原始实验散点数据
ax1.plot(x, y, label='原始实验数据', linestyle='', marker='.', markersize=2)
# 生成连续采样点绘制平滑拟合曲线
x_fit = np.linspace(x.min(), x.max(), 1000)
y_fit = gauss(x_fit, *popt)
ax1.plot(
    x_fit, y_fit, 
    color='r', linestyle='-', 
    label=f'拟合结果\n幅度A={A_opt:.1f}, 峰值位置x0={x0_opt:.1f}, 半宽σ={sigma_opt:.1f}'
)

ax1.set_xlim(0, 1400)
ax1.set_ylim(0, 2000)
ax1.set_xlabel('道数')
ax1.set_ylabel('计数')
ax1.legend()
plt.show()
修正逻辑说明
  • 拆分数据读取结果,不再混用二元组作为函数输入,绘图时保持“道数为横轴、计数为纵轴”的对应关系,和代码设置的轴范围完全匹配。
  • 引入scipy.optimize.curve_fit完成自动拟合流程,替换硬编码的固定参数,让算法根据实际数据求解最贴合的高斯参数。
  • 给高斯函数增加常数基线项,适配实验能谱里常见的平坦本底计数,进一步降低拟合残差。
  • 初始估算值里把sigma调整为和实际峰宽匹配的量级,避免拟合过程收敛到错误的局部最优解。

内容的提问来源于stack exchange,提问作者Mckenzi Brinkley

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.02 14:54:00