Я пытаюсь подогнать приближение Эйнштейна удельного сопротивления в твердом теле к набору экспериментальных данных. У меня есть удельное сопротивление против температуры (от 200 до 4 К)
import xlrd as xd
import matplotlib.pyplot as plt
import numpy as np
import pylab as pl
import scipy as sp
from scipy.optimize import curve_fit
#retrieve data from file
data = pl.loadtxt('salita.txt')
Temp = data[:, 1]
Res = data[:, 2]
#define fitting function
def einstein_func( T, ro0, AE, TE):
nl = np.sinh(TE/(2*T))
return ro0 + AE*nl*T
p0 = sp.array([1 , 1, 1])
coeffs, cov = curve_fit(einstein_func, Temp, Res, p0)
Но я получаю эти предупреждения
crio.py:14: RuntimeWarning: divide by zero encountered in divide
nl = np.sinh(TE/(2*T))
crio.py:14: RuntimeWarning: overflow encountered in sinh
nl = np.sinh(TE/(2*T))
crio.py:15: RuntimeWarning: divide by zero encountered in divide
return ro0 + AE*np.sinh(TE/(2*T))*T
crio.py:15: RuntimeWarning: overflow encountered in sinh
return ro0 + AE*np.sinh(TE/(2*T))*T
crio.py:15: RuntimeWarning: invalid value encountered in multiply
return ro0 + AE*np.sinh(TE/(2*T))*T
Traceback (most recent call last):
File "crio.py", line 19, in <module>
coeffs, cov = curve_fit(einstein_func, Temp, Res, p0)
File "/System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/scipy/optimize/minpack.py", line 511, in curve_fit
raise RuntimeError(msg)
RuntimeError: Optimal parameters not found: Number of calls to function has reached maxfev = 800.
Я не понимаю, почему он продолжает говорить, что в sinh есть деление на ноль, ведь у меня строго положительные значения. Изменение моего начального предположения не повлияет на это.
РЕДАКТИРОВАТЬ: мой набор данных организован следующим образом:
4.39531E+0 1.16083E-7
4.39555E+0 -5.92258E-8
4.39554E+0 -3.79045E-8
4.39525E+0 -2.13213E-8
4.39619E+0 -4.02736E-8
4.43130E+0 -1.42142E-8
4.45900E+0 -2.60594E-8
4.46129E+0 -9.00232E-8
4.46181E+0 1.42142E-7
4.46195E+0 -2.13213E-8
4.46225E+0 4.26426E-8
4.46864E+0 -2.60594E-8
4.47628E+0 1.37404E-7
4.47747E+0 9.47612E-9
4.48008E+0 2.84284E-8
4.48795E+0 1.35035E-7
4.49804E+0 1.39773E-7
4.51151E+0 -1.75308E-7
4.54916E+0 -1.63463E-7
4.59176E+0 -2.36902E-9
где первый столбец — температура, а второй — удельное сопротивление (отрицательные значения обусловлены шумом пробного тока, так как образец представляет собой сплав PbIn, который становится сверхпроводящим при температуре ниже 6,7-6,9 К, здесь мы при 4,5 К).
Аргумент, который я предоставляю sinh, - это массивы Numpy, с линейной функцией ro0 + AE*T
мой код работает. Я пробовал с scipy.optimize.minimize
, но результат тот же. Теперь я вижу, что у меня в файле почти девятьсот значений, может в этом проблема?
Я отредактировал свой набор данных, удалив несколько строк, и теперь отображается единственное предупреждение:
RuntimeWarning: overflow encountered in sinh
Как я могу обойти это?
salita.txt
- person xnx   schedule 12.05.2015sinh
. Убедитесь, что аргументы, которые вы ему приводите, разумны. Если у вас все еще есть проблемы, попробуйте другой решатель изscipy.optimize.minimize
, который является более гибким, чемscipy.optimize.curve_fit
. - person rth   schedule 13.05.2015np.array has no attribute 'lower'
. Я думаю, это означает, что я привожу неверный аргумент, но я не могу понять, как я мог это написать. Я смог выполнить подгонку в MATLAB, но теперь мне просто интересно, как это сделать в Python. - person iacolippo   schedule 14.05.2015