Changeset 472b11c in sasview for Invariant


Ignore:
Timestamp:
Dec 17, 2009 2:18:31 PM (15 years ago)
Author:
Jae Cho <jhjcho@…>
Branches:
master, ESS_GUI, ESS_GUI_Docs, ESS_GUI_batch_fitting, ESS_GUI_bumps_abstraction, ESS_GUI_iss1116, ESS_GUI_iss879, ESS_GUI_iss959, ESS_GUI_opencl, ESS_GUI_ordering, ESS_GUI_sync_sascalc, costrafo411, magnetic_scatt, release-4.1.1, release-4.1.2, release-4.2.2, release_4.0.1, ticket-1009, ticket-1094-headless, ticket-1242-2d-resolution, ticket-1243, ticket-1249, ticket885, unittest-saveload
Children:
6311713
Parents:
9b6497bb
Message:

fixed more math

File:
1 edited

Legend:

Unmodified
Added
Removed
  • Invariant/invariant.py

    r9b6497bb r472b11c  
    115115                                & (self.data.x <= self._qmax_unsmeared) 
    116116   
    117     def fit(self): 
     117    def fit(self, power =None): 
    118118        """ 
    119119           Fit data for y = ax + b  return a and b 
    120             
    121         """ 
    122          
     120           @param power = a fixed, otherwise None 
     121        """ 
     122        power = power 
    123123        fx = numpy.zeros(len(self.data.x)) 
    124124        sigma = numpy.zeros(len(self.data.x)) 
     
    133133        if self.smearer is not None: 
    134134            fx = self.smearer(fx, self._first_unsmeared_bin,self._last_unsmeared_bin) 
    135      
    136         A = numpy.vstack([ self.data.x[self.idx]/sigma2, 
    137                            numpy.ones(len(self.data.x[self.idx]))/sigma2]).T 
    138  
    139         a, b = numpy.linalg.lstsq(A, fx)[0] 
    140         return a, b 
     135         
     136        ##power is given only for function = power_law     
     137        if power != None: 
     138            a = -math.fabs(power) 
     139            b = (scipy.sum(fx) - a*scipy.sum(self.data.x[self.idx]/sigma2))/scipy.sum(numpy.ones(len(sigma2))/sigma2) 
     140            return a, b 
     141        else: 
     142            A = numpy.vstack([ self.data.x[self.idx]/sigma2, 
     143                               numpy.ones(len(self.data.x[self.idx]))/sigma2]).T 
     144     
     145            a, b = numpy.linalg.lstsq(A, fx)[0] 
     146            return a, b 
    141147 
    142148class InvariantCalculator(object): 
     
    214220                    for power_law will be the power value 
    215221        """ 
    216         if function.__name__ == "guinier": 
    217             fit_x = numpy.array([x * x for x in self._data.x]) 
    218              
     222        fit_x = numpy.array([math.log(x) for x in self._data.x]) 
     223        if function.__name__ == "guinier":         
    219224            qmin = qmin**2 
    220225            qmax = qmax**2 
     
    224229 
    225230        elif function.__name__ == "power_law": 
    226             if power is None: 
    227                 fit_x = numpy.array([math.log(x) for x in self._data.x]) 
    228  
    229                 qmin = math.log(qmin) 
    230                 qmax = math.log(qmax) 
     231            qmin = math.log(qmin) 
     232            qmax = math.log(qmax) 
    231233            fit_y = numpy.array([math.log(y) for y in self._data.y]) 
    232234            fit_dy = numpy.array([y for y in self._data.y]) 
     
    235237        else: 
    236238            raise ValueError("Unknown function used to fit %s"%function.__name__) 
    237          
    238         if function.__name__ == "power_law" and  power != None: 
    239             b = math.fabs(power) 
    240             fit_y = numpy.array([math.log(y) for y in self._data.y]) 
    241             fit_dy = numpy.array([y for y in self._data.y]) 
    242             fit_dy = numpy.array([dy for dy in self._data.dy])/fit_dy 
    243             sigma2 = fit_dy*fit_dy 
    244             a = scipy.sum(fit_y/sigma2) - scipy.sum(fit_x/sigma2*b)/scipy.sum(sigma2) 
    245         else: 
    246             fit_data = LoaderData1D(x=fit_x, y=fit_y, dy=fit_dy) 
    247             fit_data.dxl = self._data.dxl 
    248             fit_data.dxw = self._data.dxw    
    249             functor = FitFunctor(data=fit_data) 
    250             functor.set_fit_range(qmin=qmin, qmax=qmax) 
    251             b, a = functor.fit() 
    252          
     239        
     240         
     241        #else: 
     242        fit_data = LoaderData1D(x=fit_x, y=fit_y, dy=fit_dy) 
     243        fit_data.dxl = self._data.dxl 
     244        fit_data.dxw = self._data.dxw    
     245        functor = FitFunctor(data=fit_data) 
     246        functor.set_fit_range(qmin=qmin, qmax=qmax) 
     247        b, a = functor.fit(power=power)          
     248       
    253249                   
    254250        if function.__name__ == "guinier": 
     
    261257 
    262258        if function.__name__ == "power_law": 
    263             if power == None: 
    264                 b = -1 * b 
     259            b = -1 * b 
    265260            if b <= 0: 
    266261                raise ValueError("Power_law fit expected posive power, but got %s"%power) 
    267262        # a is the scale of the guinier function 
    268263        a = math.exp(a) 
    269          
     264 
    270265        return a, b 
    271266     
Note: See TracChangeset for help on using the changeset viewer.