我正在嘗試確定曲線的面積（峰值）。我能夠使用 Pseudo Voigt 輪廓和指數(shù)背景成功擬合峰值（數(shù)據(jù)），并獲得與使用商業(yè)軟件獲得的參數(shù)一致的擬合參數(shù)?，F(xiàn)在的問(wèn)題是試圖將這些擬合峰參數(shù)與峰面積聯(lián)系起來(lái)。與高斯線形的情況不同，我找不到使用擬合參數(shù)計(jì)算峰面積的簡(jiǎn)單方法。所以我正在嘗試使用 scipy quad 函數(shù)來(lái)整合我的擬合函數(shù)。我知道商業(yè)軟件確定的區(qū)域應(yīng)該在 19,000 左右，但我得到的值非常大。擬合效果很好（通過(guò)繪圖確認(rèn)......）但計(jì)算區(qū)域并不接近。在嘗試使用傳遞給它的最佳擬合值繪制我的 psuedo_voigt_func 函數(shù)后，我發(fā)現(xiàn)它是一個(gè)過(guò)于強(qiáng)烈的峰值。這樣，集成可能是正確的，那么錯(cuò)誤將在于我如何創(chuàng)建峰值，即通過(guò)將擬合參數(shù)傳遞給我的 psuedo_voigt_func 函數(shù)，其中該函數(shù)是從 lmfit 模型網(wǎng)站（https://lmfit. github.io/lmfit-py/builtin_models.html）。我相信我正確編寫(xiě)了偽 voigt 函數(shù)的腳本，但它不起作用。#modulesimport osimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom lmfit.models import GaussianModel, LinearModel, VoigtModel, Pearson7Model, ExponentialModel, PseudoVoigtModelfrom scipy.integrate import quad#datax = np.array([33.05, 33.1 , 33.15, 33.2 , 33.25, 33.3 , 33.35, 33.4 , 33.45, 33.5 , 33.55, 33.6 , 33.65, 33.7 , 33.75, 33.8 , 33.85, 33.9 , 33.95, 34.  , 34.05, 34.1 , 34.15, 34.2 , 34.25, 34.3 , 34.35, 34.4 , 34.45, 34.5 , 34.55, 34.6 , 34.65, 34.7 , 34.75, 34.8 , 34.85, 34.9 , 34.95, 35.  , 35.05, 35.1 , 35.15, 35.2 , 35.25, 35.3 , 35.35, 35.4 , 35.45, 35.5 , 35.55, 35.6 , 35.65, 35.7 , 35.75, 35.8 , 35.85, 35.9 , 35.95, 36.  , 36.05, 36.1 , 36.15, 36.2 , 36.25, 36.3 , 36.35, 36.4 , 36.45])y = np.array([4569,  4736,  4610,  4563,  4639,  4574,  4619,  4473,  4488, 4512,  4474,  4640,  4691,  4621,  4671,  4749,  4657,  4751, 4921,  5003,  5071,  5041,  5121,  5165,  5352,  5304,  5408, 5393, 5544, 5625,  5859,  5851,  6155,  6647,  7150,  7809, 9017, 10967, 14122, 19529, 28029, 39535, 50684, 55730, 52525, 41356, 30015, 20345, 14368, 10736,  9012,  7765,  7064,  6336, 6011,  5806,  5461,  5283,  5224,  5221,  4895,  4980,  4895, 4852,  4889,  4821,  4872,  4802,  4928])