Arrays Python/curve_fit:无法使用init guess传递数组

我用这个函数来计算某种多项式：

def pipoly(df,pj):
    n=np.size(pj)
    p=pj[0]
    for j in range(1,n):
        p+=pj[j]*df**j
    return p

pj

应该是一个数组，其中包含多项式系数的初始猜测；因此，多项式的阶数由第一行中的函数本身决定

df

是一个标量变量。此函数传递给scipy.optimize的

曲线拟合

as

parfit,covfig=curve_fit(pipoly,[f-f0[j] for f in f_df[if0[j]:if0[i]]],
                            pmode_xp[ph][if0[j]:if0[i]],
                            p0=([pmode0[ph][-1],(pmode_xp[ph][if0[i]]-pmode_xp[ph][if0[j]])/df]))

函数名后的前两个参数是数组（2D数组的1D切片），我已经确认它们的长度相同。在

pipoly

之后的第三个参数应该是一个元组，其中包含对

pj

的初始猜测，我之前打印出来：

[0.4586590267346888，0.7419930843896957]

。那么为什么Python抱怨

TypeError:pipoly（）接受了2个位置参数，但给出了3个位置参数呢？如果我去掉
p0
参数，我会被告知
pj
被认为是标量，因此不能有索引。我如何向pipoly说明
pj
是一个数组？
您的陈述：

pj
应该是一个包含
多项式

这是错误的。根据：

scipy.optimize.curve_fit（f，xdata，ydata，p0=None，sigma=None，absolute_sigma=False，check_finite=True，bounds=（-inf，inf），method=None，jac=None，**kwargs）[来源]使用非线性最小二乘法将函数f拟合到数据

假设ydata=f（扩展数据，*参数）+eps

这意味着
curve\u fit（）
要使用的
pipoly（）
函数的参数数必须等于多项式的参数数加上1（变量，即第一个参数）。

错误：

TypeError:pipoly（）接受2个位置参数，但给出了3个

正在告诉您，
pipoly
接收3个参数，因为您可能正在测试一个线性polinomyal，所以这三个参数是自变量和两个参数（f_df[if0[j]：if0[i]]

这是一个2长度的列表） 在编写时，它只接受2个参数

您可以通过在

pj

之前添加星号轻松解决问题：

def pipoly(df,*pj):
    n=len(pj) #len() is sufficient here, but np.size() works too.
    p=pj[0]
    for j in range(1,n):
        p+=pj[j]*df**j
    return p

---

这样，函数就可以接受数量可变的参数。更多关于python函数参数中星号的含义和用法的信息。

我编辑了我的帖子，以澄清pj应该包含参数（即系数）的初始猜测。是的，在这个例子中，我尝试一个线性函数。然而，如果我像你建议的那样改变pipoly的定义，结果不是一个需要的单个数字，而是一个序列。这也是不正确的。它只是表示要估计其值的多项式的参数。您可以在

曲线拟合（）

中提供初始猜测（

p0

）。是的，结果是一个包含参数估计值的序列。为什么期望结果是单个数字？

pipoly

是拟合模型，它应该为每个

df

返回单个值。换句话说，当

curve\u fit

作为拟合的结果在

parfit

中产生一组参数时，我应该能够在调用中传递这些参数，如

pipoly（0.2，parfit）

以便根据优化的参数集返回0.2的

pipoly

函数值。因为您没有解压缩参数列表。试试这个：

y=pipoly（0.2，*parfit）

（再次注意星号。阅读我答案中的链接）<代码>y是您的预期结果。