python - 使用 scipy 进行曲线拟合 - 我收到类型错误

Question

我从文件中读取一些 x 和 y 数据，转换为 float 并放入单独的数组中，然后从 scipy 调用曲线拟合函数。

它根据我使用的方程式(在定义的函数中)给我不同的错误消息。我在我想使用的方程式之后对代码进行了注释，它是最上面的、未注释的方程式(第 9 行)。

我能理解为什么它可能需要一个 float 而不是一个字符串，但我在类型转换方面的尝试似乎没有奏效。我最常见的错误是 TypeError: a float is required

如果我尝试传递值而不是通过读取我的文件，而是使用 np.linspace 作为我在 scipy 网站上找到的示例，它会给我一个不同的错误。

我已经对代码中的错误进行了注释，希望您发现它没有歧义。我还粘贴了我正在使用的输入文本文件。

import sys
import numpy as np
import math as m
from scipy.optimize import curve_fit


def func( x, a, b ):
  return a*m.pow( x, 2 )*np.exp( -b*x );    #the function I want!: line 9 in funcTypeError:     a float is required
  #return a*m.exp(-b*x)         #line 10 in func TypeError: a     float is required
  #return a*np.exp(-b*x)            #Example equation. line 444 in _general_function   
                                    #ValueError:operands could not be broadcast together with shapes
  #return a*b*m.pow( x, 2 );            #line 10 in func TypeError: a float is required

#end def 

file = sys.argv[1];

f = open( file );
y_array = [];
x_array = [];

for line in f:
    words = line.split();           
    x = words[0].rstrip('\r\n');
    y = words[1].rstrip('\r\n');
    x_array.append( float( x ) );
    y_array.append( float( y ) );
#end for
#data = f.read();

popt, pcov = curve_fit( func, x_array, y_array );

或者我从他们在 scipy 网站上给出的例子中尝试这个，用我上面的，未注释的，期望的等式

x = np.linspace(0,4,50)
y = func(x, 2.5, 1.3 )
yn = y + 0.2*np.random.normal(size=len(x))
popt, pcov = curve_fit(func, x, yn)

#TypeError: only length-1 arrays can be converted to Python scalars.

输入文件(只有几行，还有更多)。两列数字

352 28
423 30
494 32
565 3
636 0
707 0

Answer 1

您的 x 是一个列表，您正在对其调用 math.pow。 math.pow 只知道如何提高 float 或可转换为 float 的东西。因此，TypeError:需要一个 float 。这就是我们拥有 numpy 的原因之一。 :^)

我们可以通过在整个过程中使用 numpy 来简化这件事。然后我们可以简单地使用 ** 来获取整个数组的权力。

def func( x, a, b ):
    return a * x**2 * np.exp( -b*x )

file = sys.argv[1]
x,y = np.loadtxt(file, unpack=True)
popt, pcov = curve_fit( func, x, y)

给我

>>> popt
array([ 1.,  1.])
>>> pcov
inf

使用您的数据，该函数不太适合。该示例效果更好:

>>> x = np.linspace(0,4,50)
>>> y = func(x, 2.5, 1.3 )
>>> yn = y + 0.2*np.random.normal(size=len(x))
>>> popt, pcov = curve_fit(func, x, yn)
>>> popt
array([ 3.15537828,  1.43218611])
>>> pcov
array([[ 0.08045745,  0.01257863],
       [ 0.01257863,  0.00232191]])