Python 函数模型（）缺少1个必需的位置参数

我试图使用

曲线拟合

来估计一个ODE的两个参数值

A

和

B

，然后将该ODE的解决方案拟合到我的数据集，绘制结果

我的代码：

def model(I,t,A,B):
    dIdt = A*(2000 - I) + B*(2000 - I)*(I/2000)
    return dIdt

xData = # this is an np.array of my x values
yData = # this is an np.array of my y values
plt.plot(xData, yData, 'r.-', label='experimental-data')   #This part of the code seems to work

initialGuess = [1.0,1.0]    
popt, pcov = curve_fit(model, xData, yData, initialGuess)  #This is where the error is
print(popt)
xFit = np.arange(0.0, 5.0, 0.01)
I0 = 0
t = np.linspace(0,60)
I = odeint(model,I0,t)                                     #This is where i integrate the ODE to obtain I(t).

plt.plot(xFit, I(xFit, *popt), 'r', label='fit params: a=%5.3f, b=%5.3f' % tuple(popt))
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()

我得到的错误是

model（）缺少1个必需的位置参数：“B”

我大致了解发生了什么：my model（）函数在开始时接受了4个参数：I、t、A和B。然而，在代码中的某个地方，代码只识别出前3个参数，而忽略了B。我不确定如何修复这个问题

我试过几件事：

从错误行中去掉'initialGuess'，这样在
曲线拟合
行中有3个参数，这给了我一个新的错误
输入不正确：N=3不得超过M=1

这让我觉得，initialGuess条目不是问题所在

将错误行中的
model
更改为
model（）
，这导致了错误
model（）缺少4个必需的位置参数：“I”、“t”、“A”和“B”


解决了这个问题，我将
模型
改为
模型（I，t，A，B）
，结果给了我
名称“A”没有定义


现在我迷路了

所有这些错误都发生在同一行中，因此我尝试在其中更改内容，但可能我遗漏了其他内容。大多数涉及此错误的在线来源都提到必须实例化一个类实例，但我不确定这在本文中意味着什么，我还没有在代码中定义一个类

我希望我已经澄清了我的困惑，如有任何指导，我们将不胜感激。
从scipy.optimize使用
model
函数执行曲线拟合（请参阅）：

返回：

[1. 1.]

接下来，使用
scipy中的
odeint
执行集成。集成
：

from scipy.integrate import odeint

xFit = np.arange(0.0, 5.0, 0.1)
I0 = 0
t = np.linspace(0, 60)
a, b = 1, 1


def model(i, t, a, b):
    return a * (2_000 - i)\
           + b * (2_000 - i)\
           * (i / 2_000)


I = odeint(model, I0, t, args=(a, b))
plt.plot(xFit, I[:, 0], 'b', label= 'fit params: a=%5.3f, b=%5.3f' % tuple(popt))
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()

显示绘图（请参见）：
为什么要在模型定义中输入“t”？它没有被使用，因此没有明显的必要，删除它似乎可以解决您的问题，尽管在进行曲线拟合的地方，您可能希望在扩展数据和yData之前使用initiaGuess。
from scipy.integrate import odeint

xFit = np.arange(0.0, 5.0, 0.1)
I0 = 0
t = np.linspace(0, 60)
a, b = 1, 1


def model(i, t, a, b):
    return a * (2_000 - i)\
           + b * (2_000 - i)\
           * (i / 2_000)


I = odeint(model, I0, t, args=(a, b))
plt.plot(xFit, I[:, 0], 'b', label= 'fit params: a=%5.3f, b=%5.3f' % tuple(popt))
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()