Python曲线拟合.变量间条件优化put函数模型

我有这样一个函数：

我使用曲线拟合来拟合我的数据。。。。编写了以下代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit


db = pd.read_excel("/Users/piero/Desktop/lavori/AIF/test.xlsx")


M0=np.array(db['M0'])
t_time=np.array(db['time'])


def func(t, K, t0, a, b):
            if t > t0 :
                f = K * ((t-t0)**a) * np.exp(-(t-t0)/b)
                return f
            return 0

params_guess=[2,3,4,1]
popt,pcov= curve_fit(func,t_time,M0,p0=params_guess) 

我发现了这个错误

ValueError:包含多个元素的数组的真值不明确。使用a.any（）或a.all（）

---

所以我知道在我的函数func中，我不能比较一个数组和一个数字，但我需要把t>t0条件放在我的fit中。有人知道怎么做吗？

您想评估您在数组

t

的每个元素中写入的条件。使用整个数组调用该函数，称为

t

，该数组可能跨越点

t0

。在Numpy中，可以通过多种方式执行此类条件求值，但最简单的是：

定义函数（t，K，t0，a，b）： 返回np.where（t>t0，K*（t-t0）**a*np.exp（-（t-t0）/b），0.0） 这应该理解为：“在条件

t>t0为真的数组索引处，从第一个表达式返回值，在其他值处返回0.0。”