peakfit10.py ダウンロード/コピー

peakfit10.py をダウンロード

peakfit10.py
peakfit10.py
  1"""
  2概要:
  3    ピークフィッティングと最適化過程の可視化を行うスクリプトです。
  4
  5詳細説明:
  6    ガウス関数と一次式ベースラインを組み合わせたモデルを用いて、
  7    与えられたデータに対する非線形最小二乗法によるフィッティングを行います。
  8    最適化の過程を matplotlib を用いてリアルタイムに可視化します。
  9
 10主な機能:
 11    ガウス関数とベースラインの計算。
 12    残差平方和を目的関数とした最適化。
 13    最適化過程のアニメーション表示。
 14
 15関連リンク:
 16    peakfit10_usage
 17"""
 18import numpy as np
 19import matplotlib.pyplot as plt
 20from scipy.optimize import minimize
 21
 22
 23#method = "Nelder-Mead"
 24method = "bfgs"
 25
 26
 27def gaussian(x, A, mu, sigma):
 28    """
 29    概要:
 30        ガウス関数の値を計算します。
 31
 32    詳細説明:
 33        入力データ x に対して、振幅 A、中心 mu、標準偏差 sigma のガウス関数を評価します。
 34
 35    引数:
 36        :param x: 入力データ配列または数値。
 37        :type x: numpy.ndarray or float
 38        :param A: ガウス関数の振幅。
 39        :type A: float
 40        :param mu: ガウス関数の中心位置。
 41        :type mu: float
 42        :param sigma: ガウス関数の標準偏差。
 43        :type sigma: float
 44
 45    戻り値:
 46        :returns: ガウス関数の計算結果。
 47        :rtype: numpy.ndarray or float
 48    """
 49    return A * np.exp(-(x - mu)**2 / (2 * sigma**2))
 50
 51
 52def baseline(x, b0, b1):
 53    """
 54    概要:
 55        一次式によるベースラインの値を計算します。
 56
 57    詳細説明:
 58        入力データ x に対して、切片 b0 と傾き b1 を持つ直線関数の値を計算します。
 59
 60    引数:
 61        :param x: 入力データ配列または数値。
 62        :type x: numpy.ndarray or float
 63        :param b0: ベースラインの切片。
 64        :type b0: float
 65        :param b1: ベースラインの傾き。
 66        :type b1: float
 67
 68    戻り値:
 69        :returns: ベースラインの計算結果。
 70        :rtype: numpy.ndarray or float
 71    """
 72    return b0 + b1 * x
 73
 74
 75def model(x, p):
 76    """
 77    概要:
 78        フィッティング対象のモデル関数の値を計算します。
 79
 80    詳細説明:
 81        パラメータのリスト p から A, mu, sigma, b0, b1 を取り出し、
 82        ガウス関数とベースラインの和を計算して返します。
 83
 84    引数:
 85        :param x: 入力データ配列。
 86        :type x: numpy.ndarray
 87        :param p: モデルのパラメータ A, mu, sigma, b0, b1 を含むリストまたは配列。
 88        :type p: list or tuple or numpy.ndarray
 89
 90    戻り値:
 91        :returns: モデル関数の計算結果。
 92        :rtype: numpy.ndarray
 93    """
 94    A, mu, sigma, b0, b1 = p
 95    return gaussian(x, A, mu, sigma) + baseline(x, b0, b1)
 96
 97
 98def objective(p, x, y):
 99    """
100    概要:
101        最適化のための目的関数を計算します。
102
103    詳細説明:
104        観測データ y とモデル関数の予測値の差の平方和を計算し、残差平方和を返します。
105
106    引数:
107        :param p: モデルのパラメータリスト。
108        :type p: list or tuple or numpy.ndarray
109        :param x: 入力データ配列。
110        :type x: numpy.ndarray
111        :param y: 観測データ配列。
112        :type y: numpy.ndarray
113
114    戻り値:
115        :returns: 残差平方和の値。
116        :rtype: float
117    """
118    return np.sum((y - model(x, p))**2)
119
120
121def fit_with_visualization(x, y, p0):
122    """
123    概要:
124        最適化の過程を可視化しながらフィッティングを行います。
125
126    詳細説明:
127        scipy.optimize.minimize を用いてパラメータの最適化を行い、
128        各ステップごとのパラメータと誤差を履歴として記録します。
129        また、各ステップのフィッティング結果をグラフに描画して更新します。
130
131    引数:
132        :param x: 入力データ配列。
133        :type x: numpy.ndarray
134        :param y: 観測データ配列。
135        :type y: numpy.ndarray
136        :param p0: 初期パラメータのリスト。
137        :type p0: list or numpy.ndarray
138
139    戻り値:
140        :returns: 最終的な最適化パラメータ、パラメータの履歴リスト、誤差の履歴リストのタプル。
141        :rtype: tuple
142    """
143    history_params = []
144    history_error = []
145
146    plt.ion()
147    fig, ax = plt.subplots(figsize=(8, 5))
148
149    # callback: 1 step ごとに呼ばれる
150    def callback(p):
151        """
152        概要:
153            最適化の各ステップで呼び出されるコールバック関数です。
154
155        詳細説明:
156            現在のパラメータ p を受け取り、誤差を計算して履歴に保存します。
157            また、コンソールへの出力とグラフの更新を行います。
158
159        引数:
160            :param p: 現在のステップにおけるパラメータリスト。
161            :type p: numpy.ndarray
162        """
163        err = objective(p, x, y)
164        history_params.append(p.copy())
165        history_error.append(err)
166
167        print(f"step {len(history_params)}")
168        print(f"params = {p}")
169        print(f"error  = {err:.5f}")
170        print("-" * 40)
171
172        # グラフ更新
173        ax.clear()
174        ax.plot(x, y, "o", ms=4, label="data")
175        ax.plot(x, model(x, p0), "--", label="initial")
176        ax.plot(x, model(x, p), "-", label="current fit")
177        ax.legend()
178        ax.set_title(f"Iteration {len(history_params)}  Error={err:.4f}")
179        plt.pause(0.1)
180
181    # 最適化(Nelder-Mead は安定で可視化しやすい)
182    result = minimize(
183        objective,
184        p0,
185        args=(x, y),
186        method=method,
187        callback=callback,
188        options={"maxiter": 200, "disp": True}
189    )
190
191    plt.ioff()
192    plt.show()
193
194    return result.x, history_params, history_error
195
196if __name__ == "__main__":
197    x = np.linspace(0, 10, 200)
198    y_true = model(x, [5, 5, 0.8, 1.0, 0.1])
199    y = y_true + 0.3 * np.random.randn(len(x))
200
201    p0 = [3, 4, 1.0, 0.0, 0.0]  # わざと悪い初期値
202
203    popt, params_hist, err_hist = fit_with_visualization(x, y, p0)
204
205    print("最終パラメータ:", popt)