Changeset fd0d30fd in sasview


Ignore:
Timestamp:
Aug 10, 2009 7:31:31 AM (15 years ago)
Author:
Gervaise Alina <gervyh@…>
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:
785c8233
Parents:
b1d45c1
Message:

modify fit for 1D to use evalDistribution

File:
1 edited

Legend:

Unmodified
Added
Removed

  • park_integration/AbstractFitEngine.py

    r7f81665 rfd0d30fd  
    113113        """ 
    114114        try: 
    115             return self.model.evalDistribution(x) 
     115                return self.model.evalDistribution(x) 
    116116        except: 
    117             print "AbstractFitEngine.Model.eval [FIXME]:", sys.exc_value 
    118             raise 
     117                raise 
    119118 
    120 class Data(object): 
    121     """ Wrapper class  for SANS data """ 
    122     def __init__(self,x=None,y=None,dy=None,dx=None,sans_data=None): 
    123         """ 
    124             Data can be initital with a data (sans plottable) 
    125             or with vectors. 
    126         """ 
    127         if  sans_data !=None: 
    128             self.x= sans_data.x 
    129             self.y= sans_data.y 
    130             self.dx= sans_data.dx 
    131             self.dy= sans_data.dy 
    132             
    133         elif (x!=None and y!=None and dy!=None): 
    134                 self.x=x 
    135                 self.y=y 
    136                 self.dx=dx 
    137                 self.dy=dy 
    138         else: 
    139             raise ValueError,\ 
    140             "Data is missing x, y or dy, impossible to compute residuals later on" 
    141         self.qmin=None 
    142         self.qmax=None 
    143         
    144         
    145     def setFitRange(self,mini=None,maxi=None): 
    146         """ to set the fit range""" 
    147          
    148         self.qmin=mini            
    149         self.qmax=maxi 
    150          
    151          
    152     def getFitRange(self): 
    153         """ 
    154             @return the range of data.x to fit 
    155         """ 
    156         return self.qmin, self.qmax 
    157       
    158       
    159     def residuals(self, fn): 
    160         """ @param fn: function that return model value 
    161             @return residuals 
    162         """ 
    163         x,y,dy = [numpy.asarray(v) for v in (self.x,self.y,self.dy)] 
    164         if self.qmin==None and self.qmax==None:  
    165             fx =numpy.asarray([fn(v) for v in x]) 
    166             return (y - fx)/dy 
    167         else: 
    168             idx = (x>=self.qmin) & (x <= self.qmax) 
    169             fx = numpy.asarray([fn(item)for item in x[idx ]]) 
    170             return (y[idx] - fx)/dy[idx] 
    171          
    172     def residuals_deriv(self, model, pars=[]): 
    173         """  
    174             @return residuals derivatives . 
    175             @note: in this case just return empty array 
    176         """ 
    177         return [] 
    178      
    179119     
    180120class FitData1D(object): 
    … …  
    206146        # Initialize from Data1D object 
    207147        self.data=sans_data1d 
    208         self.x= sans_data1d.x 
    209         self.y= sans_data1d.y 
     148        self.x= numpy.array(sans_data1d.x) 
     149        self.y= numpy.array(sans_data1d.y) 
    210150        self.dx= sans_data1d.dx 
    211         self.dy= sans_data1d.dy 
     151        if sans_data1d.dy ==None or sans_data1d.dy==[]: 
     152            self.dy= numpy.zeros(len(y))   
     153        else: 
     154            self.dy= numpy.asarray(sans_data1d.dy) 
     155      
     156        # For fitting purposes, replace zero errors by 1 
     157        #TODO: check validity for the rare case where only 
     158        # a few points have zero errors  
     159        self.dy[self.dy==0]=1 
    212160         
    213161        ## Min Q-value 
    … …  
    223171        self._qmin_unsmeared = self.qmin 
    224172        self._qmax_unsmeared = self.qmax 
     173        # Identify the bin range for the unsmeared and smeared spaces 
     174        self.idx = (self.x>=self.qmin) & (self.x <= self.qmax) 
     175        self.idx_unsmeared = (self.x>=self._qmin_unsmeared) & (self.x <= self._qmax_unsmeared) 
     176   
    225177        
    226178        
    … …  
    256208            except: 
    257209                logging.error("FitData1D.setFitRange: %s" % sys.exc_value) 
    258          
     210        # Identify the bin range for the unsmeared and smeared spaces 
     211        self.idx = (self.x>=self.qmin) & (self.x <= self.qmax) 
     212        self.idx_unsmeared = (self.x>=self._qmin_unsmeared) & (self.x <= self._qmax_unsmeared) 
     213   
    259214         
    260215    def getFitRange(self): 
    … …  
    274229            @return residuals 
    275230        """ 
    276         x,y = [numpy.asarray(v) for v in (self.x,self.y)] 
    277         if self.dy ==None or self.dy==[]: 
    278             dy= numpy.zeros(len(y))   
    279         else: 
    280             dy= numpy.asarray(self.dy) 
    281       
    282         # For fitting purposes, replace zero errors by 1 
    283         #TODO: check validity for the rare case where only 
    284         # a few points have zero errors  
    285         dy[dy==0]=1 
    286          
    287         # Identify the bin range for the unsmeared and smeared spaces 
    288         idx = (x>=self.qmin) & (x <= self.qmax) 
    289         idx_unsmeared = (x>=self._qmin_unsmeared) & (x <= self._qmax_unsmeared) 
    290    
    291231        # Compute theory data f(x) 
    292         fx= numpy.zeros(len(x)) 
    293      
     232        fx= numpy.zeros(len(self.x)) 
    294233        _first_bin = None 
    295234        _last_bin  = None 
    296         for i_x in range(len(x)): 
    297             try: 
    298                 if idx_unsmeared[i_x]==True: 
    299                     # Identify first and last bin 
    300                     #TODO: refactor this to pass q-values to the smearer 
    301                     # and let it figure out which bin range to use 
    302                     if _first_bin is None: 
    303                         _first_bin = i_x 
    304                     else: 
    305                         _last_bin  = i_x 
    306                      
    307                     value = fn(x[i_x]) 
    308                     fx[i_x] = value 
    309             except: 
    310                 ## skip error for model.run(x) 
    311                 pass 
    312                   
     235        
     236        fx = fn(self.x[self.idx_unsmeared]) 
     237        
     238         
     239        for i_x in range(len(self.x)): 
     240            if self.idx_unsmeared[i_x]==True: 
     241                # Identify first and last bin 
     242                #TODO: refactor this to pass q-values to the smearer 
     243                # and let it figure out which bin range to use 
     244                if _first_bin is None: 
     245                    _first_bin = i_x 
     246                else: 
     247                    _last_bin  = i_x 
     248                
    313249        ## Smear theory data 
    314250        if self.smearer is not None: 
    … …  
    316252        
    317253        ## Sanity check 
    318         if numpy.size(dy)!= numpy.size(fx): 
    319             raise RuntimeError, "FitData1D: invalid error array %d <> %d" % (numpy.size(dy), numpy.size(fx)) 
    320  
    321         return (y[idx]-fx[idx])/dy[idx] 
     254        if numpy.size(self.dy)!= numpy.size(fx): 
     255            raise RuntimeError, "FitData1D: invalid error array %d <> %d" % (numpy.shape(self.dy), 
     256                                                                              numpy.size(fx)) 
     257                                                                               
     258        return (self.y[self.idx]-fx[self.idx])/self.dy[self.idx] 
    322259      
    323260   
    … …  
    346283                                          [len(sans_data2d.y_bins),1]) 
    347284         
    348          
    349         self.x_bins = sans_data2d.x_bins 
    350         self.y_bins = sans_data2d.y_bins 
    351         
    352285        x = max(self.data.xmin, self.data.xmax) 
    353286        y = max(self.data.ymin, self.data.ymax) 
    … …  
    384317      
    385318    def residuals(self, fn):  
     319         
    386320        res=self.index_model*(self.image - fn([self.y_bins_array, 
    387                          self.x_bins_array]))/self.res_err_image 
     321                             self.x_bins_array]))/self.res_err_image 
    388322        return res.ravel()  
    389      
    390      
    391     def old_residuals(self, fn): 
    392         """ @param fn: function that return model value 
    393             @return residuals 
    394         """ 
    395         res=[] 
    396         
    397         for i in range(len(self.x_bins)): 
    398             for j in range(len(self.y_bins)): 
    399                 temp = math.pow(self.data.x_bins[i],2)+math.pow(self.data.y_bins[j],2) 
    400                 radius= math.sqrt(temp) 
    401                 if self.qmin <= radius and radius <= self.qmax: 
    402                     res.append( (self.image[j][i]- fn([self.x_bins[i],self.y_bins[j]]))\ 
    403                             /self.res_err_image[j][i] ) 
    404          
    405         return numpy.array(res) 
    406         
    407            
     323         
     324  
    408325    def residuals_deriv(self, model, pars=[]): 
    409326        """  
Note: See TracChangeset for help on using the changeset viewer.