在 Sage 中使用 scipy.optimize“只有长度为 1 的数组可以转换为 Python 标量”

Question

我想根据给定的数据集调整模型的参数。

我正在尝试在 Sage 中使用

scipy

的函数

curve_fit

，但我不断遇到

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

这是我的代码：

from numpy import cos,exp,pi
f = lambda x: exp(  - 1 / cos(x)  )
import numpy as np

def ang(time): return (time-12)*pi/12

def temp(x,maxtemp):
    cte=(273+maxtemp)/f(0)**(1/4)
    if 6<x and x<18:
        return float(cte*f(ang(x))**(1/4)-273)
    else:
        return -273

lT=list(np.linspace(15,40,1+24*2))
lT=[float(num) for num in lT]             #list of y data

ltimes=np.linspace(0,24,6*24+1)[1:]
ltimes=list(ltimes)                     #list of x data
u0=lT[0]

def u(time,maxtemp,k):                    #the function I want to fit to the data
    def integ(t): return k*exp(k*t)*temp(t,maxtemp)
    return exp(-k*time)*( numerical_integral(integ, 0, time)[0] + u0 )

import scipy.optimize as optimization

print optimization.curve_fit(u, ltimes, lT,[1000,0.0003])

Answer 1

scipy.optimize.curve_fit

期望模型函数是向量化：也就是说，它必须能够接收一个数组（准确地说是ndarray），并返回一个值数组。通过添加调试打印输出，您可以立即看到问题

def u(time,maxtemp,k):                    
    print time                % for debugging
    def integ(t): return k*exp(k*t)*temp(t,maxtemp)
    return exp(-k*time)*( numerical_integral(integ, 0, time)[0] + u0 )

print 的输出将是您传递给

ltimes

的整个数组

curve_fit

。这是

numerical_integral

无法处理的事情。你需要一一赋予它值。

像这样：

def u(time,maxtemp,k):                    
    def integ(t): return k*exp(k*t)*temp(t,maxtemp)
    return [exp(-k*time_i)*( numerical_integral(integ, 0, time_i)[0] + u0) for time_i in time]

这将解决“只能转换长度为 1 的数组”错误。然后您将遇到另一个错误，因为您的列表 ltimes 和 lT 的长度不同，这没有意义，因为 lT 应该是输入的目标输出 ltimes。您应该修改这些数组的定义以确定您想要的大小。

Answer 2

不是这个确切问题的答案，但如果您在函数中使用 math 库，则会导致此错误，因为它们不是为处理数组而设计的。所以只需使用 numpy 函数即可。

例如：

def predictor(x,a,b):
    return math.exp(a+b*x)

应改为：

def predictor(x,a,b):
    return numpy.exp(a+b*x)