如何获取scipy.optimize.curve_fit拟合后的迭代次数？涉及maxfev参数

scipy.optimize.curve_fit默认不会直接返回迭代次数，但可以通过两种方式获取拟合过程中实际执行的函数评估次数（和maxfev直接相关的核心指标）：

方法一：使用full_output参数获取nfev #

当设置full_output=True时，curve_fit会返回包含详细拟合信息的元组，其中infodict字典里的nfev字段记录了实际完成的函数调用次数（maxfev是你设置的允许上限，nfev是实际使用的次数）。

示例代码：

import numpy as np
from scipy.optimize import curve_fit

# 定义拟合函数
def exp_func(x, a, b):
    return a * np.exp(-b * x)

# 生成带噪声的模拟数据
x = np.linspace(0, 4, 50)
y = exp_func(x, 2.5, 1.3) + 0.2 * np.random.normal(size=x.size)

# 执行拟合并开启完整输出
popt, pcov, infodict, mesg, ier = curve_fit(exp_func, x, y, full_output=True)

# 提取实际函数调用次数
actual_nfev = infodict['nfev']
print(f"实际函数调用次数：{actual_nfev}")

关键说明： #

• 如果拟合在达到maxfev前收敛，nfev会小于maxfev；
• 如果拟合未收敛且触发了maxfev上限，nfev会等于maxfev，同时返回的ier状态码会提示迭代次数超出（比如返回4）；
• nfev是函数评估次数，和迭代次数不完全等价（部分迭代步骤可能多次调用函数），但可以作为拟合计算量的核心参考。

方法二：自定义回调函数追踪迭代过程 #

如果需要实时追踪每一步迭代，可以直接调用curve_fit底层的_leastsq函数，传入自定义回调函数来计数。

示例代码：

import numpy as np
from scipy.optimize._minpack import _leastsq

# 初始化迭代计数器
iter_counter = 0

def iteration_callback(xk):
    global iter_counter
    iter_counter += 1
    print(f"当前迭代步数：{iter_counter}")

# 定义拟合函数和残差函数
def exp_func(x, a, b):
    return a * np.exp(-b * x)

def residuals(params, x, y):
    return y - exp_func(x, *params)

# 生成模拟数据
x = np.linspace(0, 4, 50)
y = exp_func(x, 2.5, 1.3) + 0.2 * np.random.normal(size=x.size)

# 调用底层leastsq并传入回调
initial_guess = [1, 1]
_leastsq(residuals, initial_guess, args=(x, y), maxfev=1000, callback=iteration_callback)

print(f"总迭代步数：{iter_counter}")

关键说明： #

• curve_fit本身的接口没有暴露callback参数，因此需要直接调用底层的_leastsq；
• 回调函数会在每次迭代时触发，计数器累加后得到总迭代步数。

内容的提问来源于stack exchange，提问作者AleNekro97