在python中使用scipy进行曲线拟合以找到校正参数（不能将序列与'numpy.float64'类型的NONIT相乘）

Question

我正在尝试将函数h=a0L（1-a1L**（-w1）拟合到我的图形中，并找到参数a0、a1和w1。我不明白为什么它不起作用。我不断遇到错误：无法将序列与“numpy.float64”类型的非int相乘。下面是我的代码片段：

L = [8, 16, 32, 64, 128, 256]
Average_height = [12.973731636721096,26.52865044449718,53.85333875018466,108.90761725203599,219.30647736483996,428.833120246036]

def correction(L, a0, a1, w1):
    return a0*L*(1-a1*L**(-w1))
popt, pcov = curve_fit(correction, L, Average_height, bounds =([0,0,-10], [10,10,10]))
a0, a1, w1 = popt
print((a0, a1, w1)) 
plt.plot(L, correction(L, *popt), 'r-')
plt.show()

Answer 1

正如hpaulj已经提到的，您应该使用numpy数组。还有一个逗号，它一定是输入错误，否则，x值和y值的数量就会不同。最后，通常不能将Python幂函数**与numpy数组一起使用-为此，有专用的numpy函数np.power。相应地更改代码会导致以下情况：

import matplotlib.pyplot as plt
import numpy as np
from scipy.optimize import curve_fit

L = np.asarray([8, 16, 32, 64, 128, 256])
Average_height = np.asarray([12.973731636721096,26.52865044449718,53.85333875018466,108.90761725203599,219.30647736483996,428.833120246036])

def correction(L, a0, a1, w1):
    return a0*L*(1-a1* np.power(L, -w1))
popt, pcov = curve_fit(correction, L, Average_height, bounds =([0,0,-10], [10,10,10]))
print(*popt) 
#1.6836463115082618 9.999999999965157 2.717334174156468
plt.scatter(L, Average_height, label="Data")
plt.plot(L, correction(L, *popt), 'r-', label="fit")
plt.show()

输出