python 高斯函数拟合_python - 如何在Python中使用高斯函数拟合测得的发射线数据？ （原子光谱） - 堆栈内存溢出...

对于您的情况， Lmfit似乎是一个不错的选择。 下面的代码模拟添加了线性背景的高斯峰，并说明如何使用lmfit提取参数。 后者具有许多其他内置模型(Lorentzian，Voight等)，可以轻松地相互组合。

import numpy as np

from lmfit.models import Model, LinearModel

from lmfit.models import GaussianModel, LorentzianModel

import matplotlib.pyplot as plt

def generate_gaussian(amp, mu, sigma_sq, slope=0, const=0):

x = np.linspace(mu-10*sigma_sq, mu+10*sigma_sq, num=200)

y_gauss = (amp/np.sqrt(2*np.pi*sigma_sq))*np.exp(-0.5*(x-mu)**2/sigma_sq)

y_linear = slope*x + const

y = y_gauss + y_linear

return x, y

# Gaussiand peak generation

amplitude = 6

center = 3884

variance = 4

slope = 0

intercept = 0.05

x, y = generate_gaussian(amplitude, center, variance, slope, intercept)

#Create a lmfit model: Gaussian p