使用scipy.optimize.fsolve求解数组缩放因子遇问题求指导

你的需求本质是求解线性方程，用fsolve不是最优选择，甚至会因为函数的线性特性导致迭代逻辑不触发，直接返回初始值。

直接解法（最优） #

既然目标是找到x满足sum(array * x) = Target_value，变形后可得：
x = Target_value / sum(array)
直接计算即可，不需要用数值优化方法，代码如下：

Target_value = 1169308000
# 替换为你的实际数组
array = [...]
scaling_factor = Target_value / sum(array)

若一定要用fsolve的修正方案 #

如果坚持用scipy.optimize.fsolve，需要适配函数的输入输出格式，避免迭代提前终止。修正后的代码：

from scipy.optimize import fsolve

Target_value = 1169308000
array = [...]  # 替换为你的实际数组

def func(x):
    # 将返回值转为数组形式，适配fsolve的参数要求
    return [sum(array * x) - Target_value]

# 可尝试调整初始值或增加迭代次数
scaling_factor = fsolve(func, 0.1, maxfev=1000)

不过这种方式完全没必要，直接计算是更高效准确的方案。

内容的提问来源于stack exchange，提问作者HM14