Python 使用fsolve查找具有给定y值的scipy.ODR的x值时遇到问题

我正试图利用

fsolve

根据我的

scipy.ODR

绘图的已知y值查找x值：

import matplotlib.pyplot as plt
import numpy as np
from scipy.odr import ODR, Model, RealData
from scipy.optimize import fsolve

def func(beta, x):
    y = beta[0]+beta[1]*x+beta[2]*x**3
    return y

sqx = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16])
sqy = sqx**2

host = np.linspace(0,100,100)
modata = RealData(sqx, sqy)
model = Model(func)

sqc = np.array([sqy])[0]
sqc.fill(0)
sqm = np.transpose([sqy, sqc, sqc])

odr = ODR(modata, model, [1,1,1])
odr.set_job(fit_type=0)
output = odr.run()
yn = func(output.beta, host)
xvals = np.array([[fsolve(func, [10,10,10], args=((output.beta - sqm[hi]))) for hi in range(len(sqm))]]).flatten()
hosty = func(host, output.beta)
[plt.axhline(sqy[hi]) for hi in range(len(sqy))]
[plt.axvline(xvals[hi]) for hi in range(len(xvals))]
plt.plot(host ,yn,'g-',label='odr')
plt.legend(loc="best");
plt.axis([0,20,0,300])
plt.show()
print(xvals)
news = func(xvals, output.beta)
print(news)
print (sqy)

我能够通过

曲线拟合

功能实现我的目标：

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

def sq(x, a, b, c):
    return a*x**(2) + b*x + c

sqx = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16])
sqy = sqx**2

meme = 10
host = np.linspace(0,20,100)

popt, pcov = curve_fit(sq, sqx, sqy)
xvals = np.array([[fsolve(sq, 10, args=(popt[0], popt[1], (popt[2] - sqy[hi]))) for hi in range(len(sqy))]]).flatten()
hosty = sq(host, *popt)
[plt.axhline(sqy[hi]) for hi in range(len(sqy))]
[plt.axvline(xvals[hi]) for hi in range(len(xvals))]
plt.plot(sqx, sqy, 'bo')
plt.plot(host, hosty, 'r-')
plt.axis([0,6,0,20])
plt.show()
print(xvals)
news = sq(xvals, *popt)
print(news)
print (sqy)

我可以整齐地画出这些值，并确认我在这里求解的是正确的数字

但是如果我想使用

ODR

函数，我似乎不能用同样的方法来实现这一点。当我在我的

func

中求解

x

时，我对符号的计算结果感到困惑。它给了我3倍于所需数量的值，因为当我使用

fsolve

时，由于

func

的

beta

指数，我必须输入3个初始估计值

我也不知道编写实际参数的最佳方法是什么，因为put

output.beta

充当单个变量，但我想求解y值，所以我需要在某个地方进行减法

---

我尝试过切换

func

以不同的方式接受输入，但这样做时，

ODR

装置无法工作。有什么方法可以做到这一点吗？

让我们关注一下相关的代码：您有

def func(beta, x):
    y = beta[0]+beta[1]*x+beta[2]*x**3
    return y

及

根据，它求解

func

的第一个变量（可以是向量）。这意味着您正在求解向量

beta

，初始猜测为

[10,10,10]

。但是从上下文来看，很明显你想要得到x，beta是已知的

因此，您需要一个围绕

func

的包装器，以便将参数按顺序排列。一个简单的例子是

fsolve(lambda x: func([1, 2, 3], x), 10)

它返回

数组（[-0.40231994]）

。这里

fsolve

获取一个参数x的函数，并为其求解。以下是它如何在您的情况下工作：

[fsolve(lambda x: func(output.beta - s, x), 10)[0] for s in sqm]

我还做了两个更改：

• 使用

  x表示xlist中的x

  而不是

  x[i]表示范围内的i（len（xlist））

• 立即使用

  [0]

  选择解决方案，而不是稍后应用

  展平

---

建议阅读：非常感谢！这解决了我的问题。我会接受你的建议，更多地了解这些事情：）

[fsolve(lambda x: func(output.beta - s, x), 10)[0] for s in sqm]