Pasando argumentos adicionales usando scipy.optimize.curve_fit?

Question

Estoy escribiendo un programa en Python que se adaptará a formas gaussianas y lorentzianas a algunos datos de resonancia dados. Originalmente comencé a usar scipy.optimize.leastsq pero cambié a usar optimize.curve_fit después de tener dificultades para recuperar los errores en los parámetros optimizados de la matriz de covarianza.

he definido una función para adaptarse a una suma de Gauss y de Lorentz:

def mix(x,*p): 
    ng = numg 
    p1 = p[:3*ng] 
    p2 = p[3*ng:] 
    a = sumarray(gaussian(x,p1),lorentzian(x,p2)) 
    return a 

donde p es una matriz de las aproximaciones iniciales en los parámetros de ajuste. Aquí es la instancia donde se le llama usando curve_fit:

leastsq,covar = opt.curve_fit(mix,energy,intensity,inputtot) 

Por el momento numg (el número de formas de Gauss) es una variable global. ¿Hay alguna manera de que se pueda incorporar en curve_fit como un argumento extra en su lugar, como se puede hacer con leastsq?

Answer 1

La gran cosa acerca de Python es que puede definir las funciones que devuelven otras funciones, intento currificación:

def make_mix(numg): 
    def mix(x, *p): 
     ng = numg 
     p1 = p[:3*ng] 
     p2 = p[3*ng:] 
     a = sumarray(gaussian(x,p1),lorentzian(x,p2)) 
     return a 
    return mix 

y luego

leastsq, covar = opt.curve_fit(make_mix(numg),energy,intensity,inputtot)