Python Curve_fit。使用变量之间的条件优化放置函数模型

Question

我有这样的功能：

我使用curve_fit拟合我的数据。...编写了此代码：

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


db = pd.read_excel("/Users/piero/Desktop/lavori/AIF/test.xlsx")


M0=np.array(db['M0'])
t_time=np.array(db['time'])


def func(t, K, t0, a, b):
            if t > t0 :
                f = K * ((t-t0)**a) * np.exp(-(t-t0)/b)
                return f
            return 0

params_guess=[2,3,4,1]
popt,pcov= curve_fit(func,t_time,M0,p0=params_guess) 

我有这个错误

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

因此，我知道在函数func中，我无法将数组与数字进行比较，但我需要将t> t0条件设为合适的值。有人知道怎么做吗？

Answer 1

您想评估在数组t的每个元素处编写的条件。使用整个数组作为t调用该函数，该数组可能跨越点t0。在Numpy中，您可以通过多种方式进行这种条件评估，但最简单的方法是：

def func(t, K, t0, a, b):
    return np.where(t > t0, K * (t - t0) ** a * np.exp(-(t - t0) / b), 0.0)

这应理解为：“在条件t > t0为真的数组索引处，从第一个表达式返回值，而在其他值处返回0.0。”