所以我有一个隐式函数，其中还包含一个序列和。
我希望将此功能适合一组数据并获得优化的参数。显然，curve_fit似乎没有办法对隐式函数执行此操作，而scipy.minimize是唯一的选择。这是我尝试的代码。在这里，x和y是indep和dep变量以及我的数据集。 a，b是参数。
data=np.genfromtxt('HT.dat')
x=data[:,0]
y=data[:,1]
def func(x,y,a,b,n):
return 1/abs(2*n+1)-(1/abs(2*n+1)+y/x+(a*y/x)**2/(abs(2*n+1)+ (y+a)/x))**(-1)
def func1(x,y,a,b):
return nsum(lambda n: func(x,y,a,b,n), [-1000, 1000])+np.log(x)-y
opt.minimize(func1(x,y,a,b),[1,1,1])'