はじめに
この記事では、Python用の非線形最小二乗法ライブラリ「lmfit」を使ったガウシアンフィッティングの方法について解説します。lmfitはScipy.optimize.curve_fitの拡張版として、より柔軟なパラメータ管理や制約設定が可能なツールです。実践的なコード例と共に、データ解析における活用法を紹介します。
コード

解説
モジュールのインポートなど
バージョン
ガウス分布データの生成
np.random.randnを使用してガウス分布に従うデータを生成し、np.histogramでヒストグラム化することでガウス分布を可視化します。以下の図にその結果を示します。

モデルの定義
lmfit.models
の GaussianModel
をモデル関数として用います。
初期パタメータの推定
model.guess(histo, x=bins[1:])を使用して上図のガウス分布のフィッティングパラメータの初期値を推定します。推定された値はinitial valueとして設定されます。
カーブフィット
model.fit(histo, params, x=bins[1:])
により、カーブフィッティングを実行します。
フィッティング結果の表示
result.plot_fit()
でデータとフィッティングカーブを表示できます。初期パラメータの結果を確認したい場合は、ax.plot(bins[1:], result.init_fit)
を使用します。
print(result.fit_report())
を実行すると、フィッティング結果の詳細を確認できます。
result.plot()
とすることで残差とともにフィッティング結果が表示されます。

参考
Non-Linear Least-Squares Minimization and Curve-Fitting for Python — Non-Linear Least-Squares Minimization and Curve-Fitting for Python
Fit with Data in a pandas DataFrame — Non-Linear Least-Squares Minimization and Curve-Fitting for Python
コメント