我正在嘗試使用 scipy.optimize.curve_fit 擬合布里淵光譜（有幾個峰）。我有多個具有多個峰的光譜，我正在嘗試將它們與洛倫茲函數（每個峰一個洛倫茲）擬合。我正在嘗試自動化批量分析的過程（即，使用 scipy 的峰值查找算法來獲取峰值位置、峰值寬度和峰值高度，并將它們用作擬合的初始猜測）。我現在正在研究一個光譜，看看總體思路是否有效，然后我會將其擴展為自動并使用我擁有的所有光譜。到目前為止，我已經這樣做了：import numpy as npimport matplotlib.pyplot as pltfrom scipy.signal import find_peaksfrom scipy.optimize import curve_fit#import y data from linked google sheet y_data = np.loadtxt( 'y_peo.tsv' )#define x data x_data = np.arange( len( y_data ) )#find peak properties (peak position, amplitude, full width half maximum ) to use as #initial guesses for the curve_fit function pk, properties = find_peaks(y_data, height = 3, width = 3, prominence=0.1 ) #pk returns peaks position, properties returns #other properties associated with the peaksI = properties ['peak_heights'] #amplitudefwhm = (properties['widths']) #full width half maximum #define sum of lorentziansdef func(x, *params):     y = np.zeros_like(x)    for i in range(0, len(params), 3):        x_0 = params[i]        I = params[i+1]        y_0 = params[i+2]        y = y + (I*y_0**2)/(y_0**2 +(x-x_0)**2)     return y#initial guess list, to be populated with parameters found above (pk, I, fwhm)guess = [] for i in range(len(pk)):     guess.append(pk[i])    guess.append(I[i])    guess.append(fwhm[i]) #convert list to arrayguess=np.array(guess)#fitpopt, pcov = curve_fit(func, x_data, y_data, p0=guess, method = 'lm',  maxfev=1000000)print(popt)fit = func(x_data, *popt)#plottingfig= plt.figure(figsize=(10,5))ax= fig.add_subplot(1,1,1)ax.plot(pk, y_data[pk], 'o', ms=5)ax.plot(x_data, y_data, 'ok', ms=1)ax.plot(x_data, fit , 'r--', lw=0.5)其中y_peo是因變量（這里是谷歌表格文件中的值：https ://docs.google.com/spreadsheets/d/1UB2lqs0Jmhthed7B0U9rznqcbpEMRmRX99c-iOBHLeE/edit?usp=sharing ）和像素是自變量（任意在代碼中創建的值數組）。這就是我得到的：頻譜擬合的結果。知道為什么最后一個三胞胎沒有按預期安裝嗎？我檢查并通過 scipy.signal.find_peaks 函數正確找到了所有峰值 - 因此我認為問題出在 scipy.optimize.curve_fit 上，因為我必須增加 maxfev 的數量才能“工作”。關于如何以更聰明的方式解決這個問題的任何想法？