通过 LMFIT 中的函数分配参数提示

Question

我想为字典中保存的模型设置参数提示。我创建了一个用于设置提示的函数。首先，创建一个主模型，然后我想创建不同的模型，与主模型相同，但前缀不同。 set_hints 函数接受一个参数 comp，该参数定义了将设置的提示。这是我的代码的简化部分：

import lmfit

def foo (x, a):
    return x + a

def set_hints(mod, comp="2"):
    mod.set_param_hint("a", value=1, vary=True)

    if comp == "2":
        mod.set_param_hint("a", value=0, vary=False)

    return mod.param_hints

m = lmfit.Model(foo)
models = {}

for i in range(2):
    hints = set_hints(m, comp="2")

    models["m%i" % i] = lmfit.Model(m.func, m.independent_vars,
                                        prefix="m%i" %i,
                                        param_names=m.param_names)

for par in m.param_names:
    models["m%i" % i].param_hints[par] = hints[par]       
#    models["m%i" % i].param_hints = hints

for key in models.keys():
    print key
    print "value:"
    print models[key].param_hints["a"]["value"]
    print "vary:"
    print models[key].param_hints["a"]["vary"]

哪个输出：

 m0
value:
1
vary:
True
m1
value:
0
vary:
False

这对我来说没有任何意义！在这两种情况下，值和变化提示应分别为 0 和 False。就像在循环的第二次迭代中，set_hints 函数的条件 comp == "2" 对于循环的第一次迭代不满足，并且提示被追溯更改！如果我取消注释注释行并且不迭代设置提示，则结果很好。但是现在发生的事情我觉得完全荒谬。请帮助我了解发生了什么！

Answer 1

代码看起来很奇怪，但我认为它来自更大的设计。我认为这一定是一个错误，尽管我不确定那是什么。我将在 lmfit github 网站上创建一个问题。