使用curve_fit拟合普朗克方程时，如何解决series转float报错？

问题根源 #

你遇到的TypeError: cannot convert the series to <class 'float'>，本质是scipy.curve_fit要求输入的自变量、因变量必须是numpy数组，而非pandas Series对象。即便用astype(float)转换，也只是修改了Series内部元素的类型，对象本身还是Series，无法被curve_fit的协方差计算逻辑处理。

解决方案 #

1. 转换数据类型为numpy数组
   提取数据后，用.to_numpy()（官方推荐）或.values方法，把Series转为纯数值数组。
2. 匹配普朗克方程的单位
   普朗克公式中波长的标准单位是米，若你的Excel数据是纳米（工业/实验常见单位），必须在方程内做单位转换，否则计算结果会完全偏离，甚至导致拟合失败。
3. 设置初始温度猜测值
   不给初始猜测的话，curve_fit可能无法收敛，建议根据你的实测数据设置合理的初始值（比如3000K）。

修正后代码示例 #

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

# 定义普朗克方程（输入波长为纳米，内部转米）
def planck(wavelength_nm, T):
    h = 6.626e-34  # 普朗克常数
    c = 3e8         # 光速
    k = 1.38e-23    # 玻尔兹曼常数
    wavelength_m = wavelength_nm * 1e-9  # 纳米转米
    return (2 * h * c**2) / (wavelength_m**5 * (np.exp(h*c/(wavelength_m*k*T)) - 1))

# 读取Excel数据
df = pd.read_excel("your_data.xlsx")
# 提取第0列（波长）、第3列（辐射）并转为numpy数组
wavelength = df.iloc[:, 0].to_numpy(dtype=np.float64)
rad = df.iloc[:, 3].to_numpy(dtype=np.float64)

# 设置初始温度猜测值（根据你的数据调整，比如3000K）
initial_guess = [3000]
# 执行拟合
popt, pcov = curve_fit(planck, wavelength, rad, p0=initial_guess)

# 输出拟合结果
print(f"拟合黑体温度：{popt[0]:.2f} K")

# 绘图验证
plt.scatter(wavelength, rad, label="实测数据", s=5)
plt.plot(wavelength, planck(wavelength, popt[0]), 'r-', label=f"拟合曲线（T={popt[0]:.2f}K）")
plt.xlabel("波长 (nm)")
plt.ylabel("辐射强度")
plt.legend()
plt.show()

额外注意点 #

• 如果你的波长数据单位已经是米，直接删除方程内的单位转换代码即可。
• 若拟合仍出现问题，可检查数据是否存在异常值（比如NaN、无穷大），先用df.dropna()或np.isnan()清理数据。

内容的提问来源于stack exchange，提问作者Joan Lopez