Python 如何正确定义scipy'的向量函数；s曲线拟合

我有一个问题，在尝试曲线拟合时，python如何为x数组计算（f1（x），f2（x））形式的向量函数

import numpy as np
from scipy.optimize import curve_fit

def func(x,a,b,c):
    return np.array([a*x**b+c,a*x**b+c+1])

ydata = np.array([[1,2],[3,4],[5,6],[7,8]],dtype=float)
xdata=np.array([1,2,3,4], dtype=float)
popt,pcov = curve_fit(func, xdata, ydata)

给出“ValueError:操作数无法与形状（2,4）（4,2）一起广播” 转换要安装的数据：

ydata=np.array([[1,2],[3,4],[5,6],[7,8]],dtype=float).transpose()

给出“TypeError:输入不正确：N=3不能超过M=2”，因为现在我的函数值比参数少。好吧，我知道为什么我不能适应。所以我需要转换函数值：

def func(x,a,b,c):
    return np.array([a*x**b+c,a*x**b+c+1]).transpose()

这给了我“函数调用的结果不是正确的浮点数组。”

---

我如何从这样的问题中得到解决方案？从数学上讲，如果数据能够拟合模型，则应该很好地确定。

curve\u fit

需要返回1D数组的

func

，因此

输出应平坦化。在这种情况下，您应该输入
ydata.T.ravel（）
到
curve\u fit
，以使
func（x，a，b，c）
的元素具有正确的顺序

测试结果,

func(xdata,*popt).reshape(-1,len(xdata)).T
#  [[ 1.,  2.],
#   [ 3.,  4.],
#   [ 5.,  6.],
#   [ 7.,  8.]]

您可能也对我的回答感兴趣：
func(xdata,*popt).reshape(-1,len(xdata)).T
#  [[ 1.,  2.],
#   [ 3.,  4.],
#   [ 5.,  6.],
#   [ 7.,  8.]]