Question

我具有此功能来计算某种多项式：

def pipoly(df,pj):
    n=np.size(pj)
    p=pj[0]
    for j in range(1,n):
        p+=pj[j]*df**j
    return p

pj应该是一个包含多项式系数的初始猜测的数组；因此，多项式的阶数由第一行中的函数本身确定。 df是一个标量变量。此函数以

的形式传递给scipy.optimize的curve_fit

parfit,covfig=curve_fit(pipoly,[f-f0[j] for f in f_df[if0[j]:if0[i]]],
                            pmode_xp[ph][if0[j]:if0[i]],
                            p0=([pmode0[ph][-1],(pmode_xp[ph][if0[i]]-pmode_xp[ph][if0[j]])/df]))

函数名称后的前两个参数是数组（2D数组的1D切片），并且我已经确认它们具有相同的长度。 pipoly之后的第三个参数应该是具有pj的初始猜测的元组，我在之前将其打印出来：[0.4586590267346888, 0.7419930843896957]。那么，为什么Python抱怨TypeError: pipoly() takes 2 positional arguments but 3 were given？而且，如果我删除了p0参数，就会被告知pj被认为是标量，因此不能有索引。我如何清楚地暗示pj是一个数组？

Answer 1

您的声明：

pj应该是包含以下元素的系数的数组多项式；

是错误的。根据{{3}}：

scipy.optimize.curve_fit（f，xdata，ydata，p0 = None，sigma = None，absolute_sigma = False，check_finite = True，bounds =（-inf，inf），method = None，jac = None，** kwargs）[源代码]使用非线性最小二乘法将函数f拟合到数据。

假设 ydata = f（xdata，* params）+ eps

这意味着pipoly()使用的curve_fit()函数必须使用等于您多项式的参数数量加一个（变量，这是第一个参数）的参数数量。
错误：

TypeError：pipoly（）接受2个位置参数，但给出了3个？

告诉您pipoly收到3个参数，因为您可能正在测试线性策略，因此这三个参数分别是自变量和两个参数（[f-f0[j] for f in f_df[if0[j]:if0[i]]]东西是2长度列表）。
在编写时，它只接受2个参数。

您可以在pj之前添加星号来轻松解决问题：

def pipoly(df,*pj):
    n=len(pj) #len() is sufficient here, but np.size() works too.
    p=pj[0]
    for j in range(1,n):
        p+=pj[j]*df**j
    return p

这样，您的函数可以接受可变数量的参数。 curve_fit() docs进一步说明python函数参数中星号的含义和用法。

Python / curve_fit：无法通过初始猜测传递数组

1 个答案: