在 Python 中在两个轴上拟合具有不对称误差的数据

如何解决在 Python 中在两个轴上拟合具有不对称误差的数据

我有6个参数形式的数据：x，y，x+错误，x-错误，y+错误，y-错误。我想找到最适合这个数据集的。我正在尝试使用 scipy.optimize.curve_fit 但它不允许我选择数据中的错误（我认为）。我试图找出一种方法，我发现在 curve_fit 中有一个名为 sigma 的函数，它执行类似的操作，但仅用于一个轴上的错误。在考虑数据点的误差的同时，有什么方法可以找到最适合数据的吗？

Attached is the scattered plot of the data including the error bars: 我想拟合那些红色散点。

另外，这里是没有误差条的 scipy fit 代码，以防万一：

#Import the Data
obs0x,xerr0_plus,xerr0_minus,obs0y,yerr_plus,yerr_minus=np.loadtxt("Mhratioz6",unpack='true')

#define the function to fit
def func(x,a,b):
    return (np.log10(a)+(b*(x-12))+np.log10(10**(8+c)))
    return ((x/1e12)**a)*(b)*(10**(8+c))
    return a+(b*x)

#define the data to be fit
xdata=np.log10(obs0x)
ydata=np.log10(obs0y)

p0=[-1,1.65,0]

#Fit for the parameters a,b,c of the function func:
popt,pcov = curve_fit(func,xdata,ydata)
print("[a,b]=",popt)


plt.figure(figsize=(5,5))
plt.loglog(10**xdata,10**func(xdata,*popt),'r-',label='scipy fit')
#plt.loglog(m,func(m,label='Scipy-fit')
plt.scatter(obs0x,s=2)
plt.ylim(1e6,1e11)
plt.xlim(1e11,1e14)
plt.xlabel('x')
plt.ylabel('y')
plt.title("z=0 Observations")
plt.legend()
plt.show()