使用curve_fit拟合二维函数时遇‘object too deep for desired array’错误求助

错误原因分析 #

你遇到的ValueError: object too deep for desired array和error: Result from function call is not a proper array of floats，核心问题有三个：

1. 自变量格式不匹配：curve_fit传入的(arr_x, arr_y)是两个一维数组的元组，不符合函数预期的输入格式；
2. 多项式函数逻辑错误：当前polynomial_func无法批量处理多组x、y样本，返回结果不是一维浮点数组；
3. 因变量维度问题：若g(arr_x, arr_y)返回二维数组，会和自变量的样本数不匹配。

修复后的代码 #

import numpy as np
from scipy.optimize import curve_fit

def poly(order, cov, x, y):
    z = 0.0
    for r in range(order + 1):
        for k in range(order + 1):
            # 修正系数索引：原索引会跳过元素，改为对应(order+1)×(order+1)的系数矩阵
            z += cov[r * (order + 1) + k] * (x ** r) * (y ** k)
    return z

def polynomial_func(x, y, *cov):
    order = int(np.sqrt(len(cov))) - 1
    # 利用numpy广播特性批量计算所有样本的预测值，返回一维数组
    return poly(order, cov, x, y)

k = int(input('Please type the order:')) 
U = sorted(list(u))
V = sorted(list(v))[300:501]
U = U * 201
V0 = []
for item in V:
    V0 = V0 + [item] * 151
V = V0

arr_x = np.array(U[::3])
arr_y = np.array(V[::3])
arr_z = g(arr_x, arr_y)
# 强制将因变量转为一维数组，确保和自变量样本数一致
arr_z = arr_z.flatten()

# 传入两个独立的一维数组作为自变量，适配curve_fit的参数格式
popt, pcov = curve_fit(polynomial_func, (arr_x, arr_y), arr_z, p0=[0.0] * (k+1)**2)
print(np.round(popt, 2))

关键修改说明 #

• 修正系数索引：把r * order + k改为r*(order+1)+k，对应(order+1)阶多项式的完整系数矩阵索引；
• 适配函数参数：polynomial_func改为接收x和y两个独立参数，匹配curve_fit传入的元组格式；
• 扁平化因变量：用flatten()强制将arr_z转为一维数组，避免维度不匹配；
• 批量计算支持：利用numpy的广播特性，让poly函数直接对一维数组运算，返回符合要求的一维预测结果数组。

内容的提问来源于stack exchange，提问作者Sinnaruil