Python scipy.optimize.curve_fit：无法进行曲线拟合

我还是python新手，在曲线拟合方面遇到了问题。下面的程序是我创建的一个更大程序的简化，但它代表了我的问题

问题是我有一个我称之为burger的函数，我不能拟合曲线。这行：y=np.sqrt（y）：是个问题。当我移除它时，我可以完美地安装它，但这不是我想要的功能

我如何拟合这个函数y=np.sqrt（y）

---

所以，这可能不是你得到的最好答案，但是当你等待别人的时候，这里有一些事情需要考虑

首先，由于您是python新手，可能您不知道，或者可能有理由在列表理解中解决这些问题，但我认为您不需要列表理解。您可以使用numpy数学操作一次处理整个数组。而不是

    y=((((pi/2.)*P*(1.-nu**2.))/(tan(alpha)))* ...

你可以写

    y = ((((np.pi/2.)*P*(1.-nu**2.))/(np.tan(alpha)))* ...

而不是

    [ burger(t, 3., 2., 1., 0.1) for t in xlist] 

你能行

    burger(xlist, 3., 2., 1., 0.1)

当您使用阵列时，这将快得多

第二，只是浏览一下算法中发生的一些事情。它没有在正确的范围内查找您的参数。我在scipy.optimize页面（）上查找了它使用的算法，wikipedia说收敛性取决于初始猜测，并且它找到了局部而非全局的极小值（有时代码中的参数为负值，这在某些情况下导致y的sqrt未定义）。如果有一种方法可以给它一个很好的初步猜测，那么它应该是有效的（[1,3,3,2]对我有效）。我的命令是：

pa，j=curve_fit（burger，xlist，ylist，[1,3,3,2]，maxfev=10000）

）

第三，我使用您的代码时遇到的第一个错误是，它达到了最大数量的fevals。添加

maxfev=10000

（或更多，如果需要）作为曲线拟合的最后一个参数

看看吧。如果你能给你的大问题一个初步的猜测，那么也许你会让它收敛。否则，也许另一种算法更合适

更新：请参阅本文，以获得有关此功能工作原理的更详细解释，但如果您再给它一个kwg，

diag

，则可以让它工作而无需猜测

使用：

    burger(xlist, 3., 2., 1., 0.1)

    pa,j = curve_fit(burger,xlist,ylist, diag=(1./xlist.mean(), 1./ylist.mean()), maxfev=10000)