Python 使用指数中的减法计算symfit模型时的AttributeError

我已经建立了一个模型来拟合一些数据，指数中有一个减法。它适用于拟合，但当我显式地计算模型时，会得到奇怪的结果，并且AttributeError:“Mul”对象没有属性“exp”

问题似乎源于lambdify的工作方式，并在评估包含非平凡函数（如增强或指数）的模型时出现

import symfit as sf

a = sf.Parameter('a',1,0,2) #name, initial value, minimum, maximum
b = sf.Parameter('b',1,0,2)
c=sf.Parameter('c',1,0,2)
x, y = sf.variables('x, y')

model=sf.Model({y: a * (c - sf.exp((x) / b))})
model(1,a,b,c)
Out: Ans(y=a*(c + 1))

model=sf.Model({y: a * (1 - sf.exp((x-c) / b))})
model(1,a,b,c)
Traceback (most recent call last):

  File "<ipython-input-9-faba3b52b923>", line 1, in <module>
    model(1,a,b,c)

  File "C:\PortablePrograms\Python\WPy-3670\python-3.6.7.amd64\lib\site-packages\symfit\core\fit.py", line 334, in __call__
    return Ans(*self.eval_components(**bound_arguments.arguments))

  File "C:\PortablePrograms\Python\WPy-3670\python-3.6.7.amd64\lib\site-packages\symfit\core\fit.py", line 296, in eval_components
    return [expr(*args, **kwargs) for expr in self.numerical_components]

  File "C:\PortablePrograms\Python\WPy-3670\python-3.6.7.amd64\lib\site-packages\symfit\core\fit.py", line 296, in <listcomp>
    return [expr(*args, **kwargs) for expr in self.numerical_components]

  File "C:\PortablePrograms\Python\WPy-3670\python-3.6.7.amd64\lib\site-packages\sympy\utilities\lambdify.py", line 444, in wrapper
    return funcarg(*newargs, **kwargsx)

  File "<string>", line 1, in <lambda>

AttributeError: 'Mul' object has no attribute 'exp'

或

或者干脆

Ans(y=0)

对于第二个模型，lambdify似乎无法解析表达式

使用sf.sqrt（）或sympy.exp（）时也是如此。 我正在使用python 3.6.7和IPython 7.1.1，使用Symfit 0.4.6和Sympy 1.1.1（因为Symfit不适用于符合pip的更高版本）

我可以使用任一模型拟合数据，并使用最佳拟合参数评估模型，如这里的示例所示（）。线路

yfit = model(x=xdata, **fit_result.params)[y] 

也不起作用（在python 2.7、3.5和3.6上试用过），除非更改为

yfit = [model(x=x, **fit_result.params) for x in xdata]

---

在

symfit

中调用

Model

意味着符号表达式被转换为lambda函数，即不再是符号的普通python函数

在您的示例中，调用

sf.Model（{y:a*（c-sf.exp（（x）/b）））

相当于写作

λx，a，b，c:a*（c-np.exp（（x）/b）） 请注意，符号指数现在已更改为

numpy

one。从这个示例中，您可以看到，模型不是用符号表达式调用的，而是用数字或数组调用的

所以你的电话应该改成

模型（x=1，a=1，b=1，c=1）

如果您需要在符号级别上工作，请继续直接使用

模型中的表达式，该调用仅用于数字用途

最后，文档中的示例假设扩展数据是一个数组，但在示例中它是一个列表。这应该（由我）更新

最后一句话，要学会喜欢python中的关键字参数；）。以下是等效的：

a=sf.参数（'a'，1,0,2）#名称、初始值、最小值、最大值
a=sf.参数（'a'，值=1，最小值=0，最大值=2）

但只有一个是自我记录：）

yfit = model(x=xdata, **fit_result.params)[y] 

yfit = [model(x=x, **fit_result.params) for x in xdata]