Question

---- ---- ANSWERED

如果这个问题过于简单，我会道歉。我是Python编码的新手，目前正在开展一个困难的项目。任何帮助表示赞赏;我很乐意澄清那些愿意帮助的人的困惑。

我能够使用此功能成功拟合我的数据，但绑定模型不准确（导致热力学值不正确）：

#defining function of the binding model 
def binding_model(molar_ratio,Ka,n,dH):
    return (dH*molar_ratio**n)/(molar_ratio**n+Ka**n)

#fitting molar enthalpy vs. molar ratio data with binding model
initial_paramaters=array([1,0,0])   
parameters,cov=curve_fit(binding_model,molar_ratio,peak_areas,initial_paramaters)
n=parameters[0]
Ka=parameters[1]
dH=parameters[2]
Ffit=binding_model(molar_ratio,n,Ka,dH)

我更正了结合模型（到单点配体结合模型），但我无法让curve_fit函数继续工作：

#defining function of the binding model 
def binding_model(Mt,Xt,Vcell,Ka,n,dH):
    return (n*Mt*dH*Vcell/2)*(1+(Xt/(Mt*n))+(1/(n*Ka*Mt)))-((1+(Xt/(n*Mt))+(1/(n*Ka*Mt)))**2-(4*Xt/(Mt*n))**.5)
#fitting molar enthalpy vs. molar ratio data with binding model
initial_paramaters=array([1,0,0])   
parameters=curve_fit(binding_model,Mt,Xt,Vcell,peak_areas,initial_paramaters)
n=parameters[0]
Ka=parameters[1]
dH=parameters[2]
Ffit=binding_model(Mt,Xt,Ka,n,dH,Vcell)

它现在返回一个＆＃34; curve_fit（）最多需要5个参数（给定6个）＆＃34;错误。

molar_ratio，Mt和Xt是三个阵列，每个阵列由41个值组成。 Vcell是从数据中提取的整数。谢谢你看看！

Answer 1

你只是没有正确使用它;

了解它的工作原理here

说我想将多项式拟合到某些数据;

我可以这样：

def quad(xdata, a,b,c):
    return a * xdata**2 + b * xdata + c

然后我可以有一些数据;

xdata = np.array([range(10)])
ydata = np.array([1 for _ in xdata])

然后我可以调用curve_fit;

initial_guess = [0,0,0]
popt, pcov = scipy.optimize.curve_fit(quad, xdata, ydata, p0=initial_guess)

print popt # [0,0,1]

您遇到的问题是您没有将初始猜测放入p0参数的数组中（无论如何都是可选的）。

对于你的功能，尝试这个（我没有测试过，我没有在这台机器上使用python）：

def binding_model(xdata,Vcell,Ka,n,dH):
  Mt = xdata[0]
  Xt = xdata[1]
  return (n*Mt*dH*Vcell/2)*(1+(Xt/(Mt*n))+(1/(n*Ka*Mt)))-((1+(Xt/(n*Mt))+(1/(n*Ka*Mt)))**2-(4*Xt/(Mt*n))**.5)

#fitting molar enthalpy vs. molar ratio data with binding model

initial_Vcell = 0
initial_Ka = 0
initial_n = 0
initial_dH = 0

initial_paramaters=array([initial_Vcell, initial_Ka, initial_n, initial_dH])   
xdata = zip(Mt, Xt) 
parameters, cov = curve_fit(binding_model, xdata, ydata, p0=initial_paramaters)


Vcell=parameters[0]
Ka=parameters[1]
n=parameters[2]
dH=parameters[3]

Ffit=binding_model(xdata, Vcell, Ka, n, dH)

使用scipy.optimize的curve_fit

1 个答案: