Python curve_fit传参报错：需2个参数却传入15个的解决方案咨询

问题背景 #

使用SciPy的curve_fit做拟合时，希望通过数组形式传递系数参数，实现参数化（后续调整系数数量无需修改函数代码）。但直接用数组作为函数第二个参数时触发报错，将系数拆分为单个独立参数则可正常运行，需要解决该兼容问题。

原报错代码 #

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from scipy.optimize import curve_fit
import sys, re, argparse, os, json

def column(matrix, i):
    return [row[i] for row in matrix]

inputs = [[62, 15, 25, 10, 14, 7.04, 16.88, 24.48, 427219, 648745, -3.067, 3081350.0, 2], [53, 14, 32, 0, 37, 28.12, 35.94, 22.37, 403760, 516128, 0.048, 2857308.0, 2]]
output = [50,60]
numP = len(inputs[0])
print("nump ",numP)
p = []
for i in range(0,int(numP)):
    p.append(column(inputs,i))
newX = np.vstack((p[0],p[1],p[2],p[3],p[4],p[5],p[6],p[7],p[8],p[9],p[10],p[11],p[12]))

def testLinear3(X,coefficients):
    p[0],p[1],p[2],p[3],p[4],p[5],p[6],p[7],p[8],p[9],p[10],p[11],p[12] = X
    c = []
    for i in range(0,len(coefficients)):
        c.append(coefficients[i])
    ret =  c[0]*p[0] + c[1]*p[1] + c[2]*p[2] + c[3]*p[3] + c[4]*p[4] + c[5]*p[5] + c[6]*p[6] + c[7]*p[7] + c[8]*p[8]+ c[9]*p[9] + c[10]*p[10] + c[11]*p[11] + c[12]*p[12] + c[13]
    return ret

coefficients = [2.0]*(13+1)
popt,pcov = curve_fit(testLinear3,newX,output,coefficients)

报错信息 #

TypeError                                 Traceback (most recent call last)
Input In [281], in <cell line: 19>()
17 #coefficients = np.array([2.0]*(13+1),dtype = float)
18 coefficients = [2.0]*(13+1)
---> 19 popt,pcov = curve_fit(testLinear3,newX,output,coefficients)

483 def func_wrapped(params):
---> 484     return func(xdata, *params) - ydata

TypeError: testLinear3() takes 2 positional arguments but 15 were given

可运行的硬编码参数版本 #

def testLinear2(X,c0,c1,c2,c3,c4,c5,c6,c7,c8,c9,c10,c11,c12,c13):
    p[0],p[1],p[2],p[3],p[4],p[5],p[6],p[7],p[8],p[9],p[10],p[11],p[12] = X
    ret = 0
    ret = c0 + c1*p[0] + c2*p[1] + c3*p[2] + c4*p[3] + c5*p[4] + c6*p[5] + c7*p[6] + c8*p[7]
    ret += c9*p[8]+ c10*p[9] + c11*p[10] + c12*p[11] + c13*p[12]
    return ret

问题原因 #

curve_fit的工作机制是：将传入的初始参数列表自动解包为多个独立参数，传递给自定义拟合函数。原代码中testLinear3仅接受X和coefficients两个参数，但curve_fit会把初始的14个系数拆成14个独立参数，加上X后总共传递15个参数，导致参数数量不匹配报错。

解决方案 #

修改自定义拟合函数，使用**可变参数*args**接收所有系数参数，再将其打包为数组进行计算。这样无论后续调整多少个系数，都无需修改函数定义。同时可以简化原代码中的数据处理逻辑（用numpy数组转置替代手动提取列）。

优化后的完整代码 #

import numpy as np
from scipy.optimize import curve_fit

# 输入数据转换为numpy数组，方便处理
inputs = np.array([[62, 15, 25, 10, 14, 7.04, 16.88, 24.48, 427219, 648745, -3.067, 3081350.0, 2], 
                   [53, 14, 32, 0, 37, 28.12, 35.94, 22.37, 403760, 516128, 0.048, 2857308.0, 2]])
output = np.array([50, 60])
# 转置后每一行对应一个特征（和原代码newX结构一致）
newX = inputs.T

def testLinear(X, *args):
    # 将可变参数转为numpy数组
    coefficients = np.array(args)
    # X是(13,2)的数组，每一行是一个特征的所有样本值
    # 计算线性组合：系数前13个对应特征，最后一个是常数项
    ret = np.sum(coefficients[:-1] * X, axis=0) + coefficients[-1]
    return ret

# 初始参数：特征数+1个常数项
num_features = inputs.shape[1]
initial_coeffs = [2.0] * (num_features + 1)
popt, pcov = curve_fit(testLinear, newX, output, p0=initial_coeffs)

print("拟合得到的系数：", popt)

说明 #

1. 使用*args接收所有系数参数，完美适配curve_fit的参数解包机制，同时实现参数化需求。
2. 用numpy数组的转置和广播运算简化了数据处理与线性组合计算，避免了手动循环提取列和计算的冗余代码。
3. initial_coeffs的长度由特征数自动推导，后续修改输入特征数量时无需手动调整。

内容的提问来源于stack exchange，提问作者Sainath reddy kotla