Python 用平方根函数拟合问题数据

我尝试使用python和模块scipy.optimize来适应平方根函数。用于打印和拟合的代码如下所示

def curve(x, a, b): 
    return np.sqrt(a+b*x)

xaxis = np.linspace(30, 1400, 10000)
farbe = ['tab:green', 'tab:orange', 'tab:blue']
fill = ['left', 'top', 'none']

k = 0
for i in data: 
    popt, pcov = curve_fit(curve, data[i].velo, data[i].avgFR)

    plt.errorbar(data[i].velo, data[i].avgFR,data[i].avgFRError, xerr=None, 
                  fmt="o", fillstyle = fill[k],alpha = 0.9,markersize=8,
                  markeredgewidth=2,
                  linewidth=3,   # width of plot line
                  elinewidth=2,# width of error bar line
                  capsize=5,     # cap length for error bar
                  capthick=1,   # cap thickness for error bar
                  label = str(i), 
                  color = farbe[k])   
    plt.plot(xaxis, curve(xaxis, *popt),color = farbe[k], linewidth = 3)
    k += 1

#plt.xscale('log')
plt.legend()
plt.show()

如果我执行脚本，则拟合看起来是这样的。出什么事了？有没有更好的方法用平方根函数拟合我的数据

编辑： 我得到以下信息：

__main__:2: RuntimeWarning: invalid value encountered in sqrt
__main__:2: RuntimeWarning: invalid value encountered in sqrt
__main__:2: RuntimeWarning: invalid value encountered in sqrt

---

发生的情况是：

a+b*x<0

可以为拟合设置边界

在这种情况下，您可以检查是否发生了这种不平等，并返回与您的数据非常不同的值

---

您可以使用其他拟合例程，也许

lmfit

会有所帮助。

我怀疑，在对给定数据的模型参数（a，b）进行优化期间，优化器被迫在平方根ie下计算负数

f=sqrt（a+bx），其中a+bx<0

如果是这种情况，可以通过将

bounds

参数传递到

curve fit

并强制执行

b>0

（自x>0起）来解决此问题

---

这将把问题限制在

0我知道这不是最优雅的解决方案，但至少它是有效的。我没有拟合sqrt数据，而是计算数据的平方，并用线性函数拟合
看起来不错
 当sqrt函数的输入为负时，您将得到该警告。您可能希望通过指定
curve\u fit
函数的边界来约束数据。
popt, pcov = curve_fit(curve, data[i].velo, data[i].avgFR,bounds=(0, [1, 1]))