我有一个拟合函数，其形式为：
def fit_func(x_data, a, b, c, N)
其中a，b，c是lenth N的列表，其中每个条目是要在scipy.optimize.curve_fit（）中优化的变量参数，N是用于循环索引控制的固定数字。
关注this question我认为我能够修复N，但我现在正在调用curve_fit，如下所示：
params_0 = [a_init, b_init, c_init]
popt, pcov = curve_fit(lambda x, a, b, c: fit_func(x, a, b, c, N), x_data, y_data, p0=params_0)
我收到一个错误：lambda（）接受完全Q参数（给定P）
其中Q和P取决于我的设置方式。
所以：对于初学者来说，这是否可能？我可以将列表作为参数传递给curve_fit并具有我希望的行为，其中它将列表元素视为单个参数吗？假设答案是肯定的，我的函数调用错误了什么？
答案 0 :(得分：3)
这里的解决方案是编写一个包装函数，它接受您的参数列表并将其转换为fit函数理解的变量。这实际上只是必要的，因为我正在使用其他人的代码，在更直接的应用程序中，这将在没有包装层的情况下工作。基本上
def wrapper_fit_func(x, N, *args):
a, b, c = list(args[0][:N]), list(args[0][N:2*N]), list(args[0][2*N:3*N])
return fit_func(x, a, b, c, N)
要修复N，你必须在curve_fit中调用它：
popt, pcov = curve_fit(lambda x, *params_0: wrapper_fit_func(x, N, params_0), x, y, p0=params_0)
其中
params_0 = [a_1, ..., a_N, b_1, ..., b_N, c_1, ..., c_N]
答案 1 :(得分：1)
我能够以不同的方式解决相同的问题。我使用scip.optimize.least_squares解决而不是使用curv_fit。我已经在链接https://stackoverflow.com/a/60409667/11253983
下讨论了我的解决方案