Question

在python中我有一个有很多参数的函数。我想将此函数适用于数据集，但只使用一个参数，我想要自己提供的其余参数。这是一个例子：

def func(x,a,b):
   return a*x*x + b

for b in xrange(10):
   popt,pcov = curve_fit(func,x1,x2)

在此我希望仅对a进行拟合，参数b获取循环变量的值。怎么办呢？

Answer 1

您可以将func包装在lambda中，如下所示：

def func(x,a,b):
   return a*x*x + b

for b in xrange(10):
   popt,pcov = curve_fit(lambda x, a: func(x, a, b), x1, x2)

lambda是一个匿名函数，在Python中只能用于简单的一行函数。基本上，它通常用于在不需要为函数指定名称时减少代码量。官方文档中提供了更详细的说明：http://docs.python.org/tutorial/controlflow.html#lambda-forms

在这种情况下，lambda用于修复func的一个参数。新创建的函数只接受两个参数：x和a，而b固定为从本地b变量获取的值。然后将此新函数作为参数传递给curve_fit。

Answer 2

我建议您不要使用可能不太直观的lambda函数来指定scikit curve_fit参数bounds，它会强制在自定义边界内搜索参数。

您所要做的就是让变量在-inf和+ inf之间移动，而变量 b < / strong>之间（ b - epsilon）和（ b + epsilon）

在你的例子中：

epsilon = 0.00001 def func(x,a,b): return a*x*x + b for b in xrange(10): popt,pcov = curve_fit(func,x1,x2, bounds=((-np.inf,b-epsilon), (np.inf,b+epsilon))

Answer 3

如果您愿意/能够编辑原始功能，则有一个更简单的选项。

将您的功能重新定义为：

def func(x,a):
    return a*x*x + b

然后你可以简单地把它放在参数b的循环中：

for b in xrange(10):
   popt,pcov = curve_fit(func, x1, x2)

警告：该函数需要在调用它的同一个脚本中定义。

Answer 4

Scipy的curve_fit接受三个位置参数，即func，xdata和ydata。因此，一种替代方法（使用函数包装器）是通过构建一个既包含原始xdata（x1）又包含固定参数b的第二列的矩阵，将b视为xdata（即独立变量）。

假设x1和x2是数组：

def func(xdata,a):
   x, b = xdata[:,0], xdata[:,1]  # Extract your x and b
   return a*x*x + b

for b in xrange(10): 
   xdata = np.zeros((len(x1),2))  # initialize a matrix
   xdata[:,0] = x1  # your original x-data
   xdata[:,1] = b  # your fixed parameter
   popt,pcov = curve_fit(func,xdata,x2)  # x2 is your y-data

Answer 5

我有效地使用了Anton Beloglazov的解决方案，尽管我希望避免使用lambda函数来提高可读性，所以我执行以下操作：

def func(x,a,b):
   return a*x*x + b

def helper(x,a):
   return func(x,a,b)

for b in xrange(10):
   popt,pcov = curve_fit(helper, x1, x2)

这最终使人想起了里克·伯格（Rick Berg）的答案，但是我喜欢拥有一个专门用于解决问题的“物理学”的功能，以及一个使代码正常工作的辅助功能。

Answer 6

另一种方法是使用与初始值相同（+ eps）的上限和下限。使用具有初始条件和界限的相同示例：

def func(x,a,b):
   return a*x*x + b
# free for a and b
popt,pcov = curve_fit(func, x1, x2, 
                      p0=[1,1], 
                      bounds=[(-inf,-inf),(inf,inf)])

# free for a; fixed for b  ; 
eps=1/100
popt,pcov = curve_fit(func, x1, x2, 
                      p0=[1,1], 
                      bounds=[(-inf,(1-eps)),(inf,(1+eps))])

请记住要插入epsilon，否则a和b必须相同

Answer 7

更好的方法是使用lmfit，它为曲线拟合提供了更高级别的界面。在其他功能中，Lmfit使拟合参数成为可以具有边界或明确修复的一等对象（以及其他特征）。

使用lmfit，这个问题可能会解决为：

from lmfit import Model
def func(x,a,b):
   return a*x*x + b

# create model
fmodel = Model(func)
# create parameters -- these are named from the function arguments --
# giving initial values
params = fmodel.make_params(a=1, b=0)

# fix b:
params['b'].vary = False

# fit parameters to data with various *static* values of b:
for b in range(10):
   params['b'].value = b
   result = fmodel.fit(ydata, params, x=x)
   print(": b=%f, a=%f+/-%f, chi-square=%f" % (b, result.params['a'].value, 
                                             result.params['a'].stderr,
                                             result.chisqr))

在python中只使用具有许多参数的函数的一个参数

7 个答案: