Python / curve_fit：无法使用init guess传递数组

Question

我有这个函数来计算某种多项式：

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初始猜测的数组;因此，多项式的次数由第一行中的函数本身确定。 df是一个标量变量。这个函数传递给scipy.optimize的curve_fit as

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]))

函数名称后面的前两个参数是数组（2D数组的1D切片），我已经确认它们具有相同的长度。 pipoly之后的第三个论点应该是pj最初猜测的元组，我之前打印过：[0.4586590267346888, 0.7419930843896957]。那么为什么Python抱怨TypeError: pipoly() takes 2 positional arguments but 3 were given？如果我删除p0论证，我被告知pj被认为是标量，因此不能有索引。我如何清楚地知道pj是一个阵列？

Answer 1

你的陈述：

pj应该是一个包含多项式系数的数组;

是错的。据curve_fit() docs说：

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）[ source]使用非线性最小二乘法使函数f适合数据。

假设ydata = f（xdata，* params）+ eps

这意味着pipoly()使用的curve_fit()函数必须使用多个参数，这些参数等于多项式的参数数加1（变量，这是第一个参数）。 错误：

TypeError：pipoly（）需要2个位置参数，但是给出了3个？

告诉你pipoly收到3个参数，因为你可能正在测试一个线性polinomyal，所以三个参数是自变量和两个参数（[f-f0[j] for f in f_df[if0[j]:if0[i]]]东西是一个2长度列表）。 当你写它时，它只需要2个参数。

您可以通过在pj之前添加星号来轻松解决您的问题：

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，您的函数接受可变数量的参数。 Here更多关于python函数参数中星号的含义和用法。