一个扩展数据点中有两个变量的绑定模型如何匹配？

Question

到目前为止，我所拥有的一切，都要感谢许多帮助过我的人：

#defining function that applies the binding model to the data
def binding_model(xdata, Vcell, Ka, n, dH):
    #packaging Mt and Xt into one object to abide by curve_fit rules
    #avoiding 'divide by 0' errors by truncating lists
    Mt[1:] = xdata[0]
    Xt[1:] = xdata[1]
    #breaking up the equation for simplicity
    a = n*Mt*dH*Vcell/2
    b = 1+(Xt/(Mt*n))
    c = 1/(n*Ka*Mt)
    d = 1+(Xt/(n*Mt))+(1/(n*Ka*Mt))
    e = 4*Xt/(Mt*n)
    #combining variables into the whole equation
    return a*(b+c)-(d**2-e**.5)

#fitting molar enthalpy vs. molar ratio data with the binding model
initial_Vcell = 0
initial_Ka = 0
initial_n = 0
initial_dH = 0
initial_paramaters = np.array([initial_Vcell, initial_Ka, initial_n,
                               initial_dH])
xdata = zip(Mt, Xt)
xdata = np.array(xdata)
parameters, cov = curve_fit(binding_model, xdata, peak_areas, p0=
                            initial_paramaters)
Vcell = parameters[0]
Ka = parameters[1]
n = parameters[2]
dH = parameters[3]
Ffit = binding_model(xdata, Vcell, Ka, n, dH)

退货：

  File "mygroatitc.py", line 164, in binding_model
    Mt[1:] = xdata[0]
ValueError: could not broadcast input array from shape (2) into shape (40)

有没有人有使用曲线拟合或压缩变量来发现我的错误的经验？你知道吗

Vcell是一个整数，Mt和Xt是大小相等的数组，peak_area（与Mt或Xt大小相等的数组）是curve_fit函数中的y数据。你知道吗

Answer 1

啊，我明白了。你还没有具体说明Mt或Xt是什么。我们是上面定义的？在bind_model（）函数中，您将重新分配给这些全局变量（以及每次迭代）。那真的是你想要的吗？你知道吗

如果您在使用curve\u fit（）进行数据布局时遇到问题，我强烈建议使用leastsq（），而curve\u fit（）只是leastsq（）的包装器。使用leastsq（），目标函数将参数数组作为第一个参数，可以获取其他参数（这是传递“y”数据的地方），并返回要在最小二乘意义上最小化的一维数组。如果你把多维数组分解成单独命名的数组只是为了适应curve的想法，那么使用leastsq（）并将Mt，Xt传递给目标函数可能会更容易。你知道吗

Answer 2

绑定\u model（）必须返回1d numpy数组。用途：

 residual = a*(b+c)-(d**2-e**.5)
 return residual.ravel()