wie kann ich dieses Problem beheben ‚‘ ‚Name ist nicht definiert‘

Question

Ich bin Neuling in Python Ich habe diesen Code ich will Unterklasse lmfit.models verwenden und eine Vermutung Methode zu implementieren,

class DecayingSineModel(): 

    def __init__(self, *args, **kwargs): 

     def decaying_sine(self, x, ampl, offset, freq, x0, tau): 
      return ampl * np.sin((x - x0)*freq) * np.exp(-x/tau) + offset 

     super(DecayingSineModel, self).__init__(decaying_sine, *args, **kwargs) 

    def pset(param, value): 
     params["%s%s" % (self.prefix, param)].set(value=value) 

    def guess(self, data, **kwargs):   
     params = self.make_params() 
     pset("ampl", np.max(data) - np.min(data)) 
     pset("offset", np.mean(data)) 
     pset("freq", 1) 
     pset("x0", 0) 
     pset("tau", 1) 
     return lmfit.models.update_param_vals(params, self.prefix, **kwargs) 

sp = DecayingSineModel() 
params = sp.guess(y, x=x) 
fit = sp.fit(y, params, x=x) 

und ich bin recieving folgende Fehler die Fehler, die ich the image of error that i recieved is in this address

Answer 1

bin recieving Sie wollen mit ziemlicher Sicherheit Ihr DecayingSineWave von lmfit.Model erben. Wie andere darauf hingewiesen haben, gibt es eine Reihe anderer Probleme mit Ihrem Code, einschließlich der Tatsache, dass Ihre pset Referenzen self, aber hat es nicht übergeben und noch rufen Sie pset, nicht self.pset. Ihre Modellfunktion decaying_sine sollte nicht haben self.

Eine aufgeräumte Version:

import numpy as np 
import lmfit 
import matplotlib.pyplot as plt 

class DecayingSineModel(lmfit.Model): 
    def __init__(self, *args, **kwargs): 
     def decaying_sine(x, ampl, offset, freq, x0, tau): 
      return ampl * np.sin((x - x0)*freq) * np.exp(-x/tau) + offset 
     super(DecayingSineModel, self).__init__(decaying_sine, *args, **kwargs) 

    def guess(self, data, x=None, **kwargs): 
     ampl = np.max(data) - np.min(data) 
     offset = np.mean(data) 
     params = self.make_params(ampl=ampl, offset=offset, freq=1, x0=0, tau=1) 
     return lmfit.models.update_param_vals(params, self.prefix, **kwargs) 

sp = DecayingSineModel() 

x = np.linspace(0, 25, 201) 
noise = np.random.normal(size=len(x), scale=0.25) 
y = 2 + 7*np.sin(1.6*(x-0.2)) * np.exp(-x/18) + noise 

params = sp.guess(y, x=x) 
result = sp.fit(y, params, x=x) 
print(result.fit_report()) 

plt.plot(x, y, 'bo') 
plt.plot(x, result.best_fit, 'r-') 
plt.show() 

gibt einen Bericht von:

[[Model]] 
    Model(decaying_sine) 
[[Fit Statistics]] 
    # function evals = 83 
    # data points  = 201 
    # variables  = 5 
    chi-square   = 39.266 
    reduced chi-square = 0.200 
    Akaike info crit = -318.220 
    Bayesian info crit = -301.703 
[[Variables]] 
    ampl:  6.92483967 +/- 0.123863 (1.79%) (init= 12.59529) 
    offset: 1.96307863 +/- 0.031684 (1.61%) (init= 2.139916) 
    freq:  1.60060819 +/- 0.001775 (0.11%) (init= 1) 
    x0:  0.19650313 +/- 0.010267 (5.23%) (init= 0) 
    tau:  18.3528781 +/- 0.614576 (3.35%) (init= 1) 
[[Correlations]] (unreported correlations are < 0.100) 
    C(ampl, tau)     = -0.781 
    C(freq, x0)     = 0.750 

und