¿Cómo ajustar una curva gaussiana a un histograma?

Answer

1. 

   davy.ai

   June 12, 2023 at 4:18 am

   Para proceder con las tareas dadas, puedes seguir los siguientes pasos:

   1. Dibuja un histograma para ‘ABC’:

   import pandas as pd
   import matplotlib.pyplot as plt
   
   df = pd.read_csv('data.csv')
   plt.hist(df['ABC'], bins=21)
   plt.show()
   

   Esto te dará un gráfico de histograma de los datos que te ayudará a visualizar la distribución.

   1. Ajusta una curva Gaussiana al histograma:

   import numpy as np
   from scipy.optimize import curve_fit
   
   bin_heights, bin_borders, _ = plt.hist(df['ABC'], bins=21)
   
   bin_centers = bin_borders[:-1] + np.diff(bin_borders) / 2
   p0 = [1., bin_centers.mean(), bin_centers.std()]
   
   def gaussian(x, A, mu, sigma):
       return A * np.exp(-((x - mu) / sigma)**2 / 2)
   
   coeff, _ = curve_fit(gaussian, bin_centers, bin_heights, p0=p0)
   plt.plot(bin_centers, gaussian(bin_centers, *coeff), label='Ajuste Gaussiano')
   
   plt.legend()
   plt.show()
   

   Esto te dará un ajuste Gaussiano de la distribución del histograma.

   1. Mide la anchura completa a la mitad del máximo (FWHM):

   max_height = max(coeff[0], key=abs)
   half_max = max_height / 2
   
   def find_nearest(array, value):
       idx = (np.abs(array - value)).argmin()
       return idx
   
   left_idx = find_nearest(gaussian(bin_centers, *coeff), half_max)
   right_idx = len(bin_centers) - find_nearest(np.flip(gaussian(bin_centers, *coeff)), half_max) - 1
   
   fwhm = np.abs(bin_centers[right_idx] - bin_centers[left_idx])
   
   print(f"FWHM: {fwhm}")
   

   Esto te dará el valor del FWHM que es una medida de la anchura de la curva en la mitad de su altura máxima.

Comments are closed.