Python 强制scipy.optimize.curve_fit（）返回上次确定的失败拟合参数？

我需要进行大量的拟合以进行阻塞分析。问题是，对于某些回归，这种阻塞会产生非常分散的（“坏”）数据。这是无法修复的，因为数据与MD模拟的能量值相关，并且似乎是一个自然的结果，如果我的同学们的结果有任何依据的话

我试图通过使用

try

catch来绕过

scipy.optimize.curve\u fit（）

抛出的

RuntimeError

。我想也许每次曲线拟合迭代的结果都会保存在我的

popt

变量中，该变量存储了我函数的最佳参数。这样，即使我得到了

运行时错误

，我仍然得到了最后的参数，并且我的迭代超过150次左右不会崩溃

然而，事实并非如此。我没有得到一个

RuntimeError

，而是得到了一个

UnboundLocalError

，因为在try catch之后定义两个新变量

a，b

时，我试图引用popt。所以我想问我如何才能强制

曲线拟合（）

给我拟合参数，即使它认为这些参数不正确

下面是我用来检查问题的代码片段：

def G_sol（df）：
对于索引，枚举中的lam（df.列）：
列表=列表（df.loc[：，lam]）
List=[np.float64（l）表示列表中的l]
#在块上迭代。
y、 x=np.array（[（ineff，segm）表示ineff，segm表示块（列表）]）.transpose（）
#由于数据错误，并非所有回归都有效。
#这可以防止循环崩溃并返回
#优化的最后结果。
尝试：
打印（'lol'）
popt，popt_cov=优化曲线拟合（拟合，x，y，方法='lm'）
打印（popt）
除运行时错误外：
通过
a、 b=popt[0]，popt[1]

print（'lol'）

仍在执行，但是

print（popt）

没有执行。我想这意味着它已经到了另一个街区。显然，如果尝试捕获失败，

popt

没有定义，因此

a、b

不能由它定义

完全回溯，如果您感兴趣：

回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
运行文件（'/local/ego/GsolveSideChains/blocking.py'，wdir='/local/nelle/GsolveSideChains'）
文件“/usr/local/linux/shared_soft/python/python3.6/anaconda5.1.0\u ML/lib/python3.6/site packages/spyder_kernels/customize/spyderrcustomize.py”，第668行，在运行文件中
execfile（文件名、命名空间）
文件“/usr/local/linux/shared_soft/python/python3.6/anaconda5.1.0\u ML/lib/python3.6/site packages/spyder_kernels/customize/spyderrcustomize.py”，第108行，在execfile中
exec（编译（f.read（），文件名，'exec'），命名空间）
文件“/local/ego/GsolveSideChains/blocking.py”，第225行，in
G_solv=G_sol（路径）
文件“/local/ego/GsolveSideChains/blocking.py”，第190行，G_sol格式
a、 b=参数[0]，参数[1]
UnboundLocalError:赋值前引用的局部变量“parms”

一种方法是在try except块之前设置

a，b=np.nan，np.nan

，并将

a，b=popt

解包到try子句中。

---

通过这种方式，您可以在以后处理失败的拟合（即nans）。

我将此帖子的名称更改为popt，因为我认为使用scipy的人会更熟悉它。不过我忘了做追踪。我的错。