使用Scipy拟合微分方程时出现‘object too deep for desired array’错误的排查求助

你遇到的这个错误核心有两个问题，咱们一步步拆解清楚：

1. 维度不匹配：odeint返回二维数组，curve_fit需要一维数组 #

scipy.integrate.odeint默认返回二维数组（哪怕你只传入了一个初始值N0），比如当你传入t = np.arange(18)时，返回的是(18, 1)形状的数组，但curve_fit要求预测的y值必须和你的目标数据df_yeast['cd']（一维，形状(18,)）完全匹配，这就触发了"object too deep"的维度错误。

2. 微分方程函数的参数顺序错误 #

odeint对微分方程函数的参数顺序有严格要求：第一个参数必须是状态变量（这里是N），第二个参数是时间t，而你写的logistic_de(t, N, r, K)把时间和状态变量的顺序搞反了——这会导致积分结果完全错误，哪怕暂时没报错，拟合出来的参数也会毫无意义。

修正后的完整代码 #

import numpy as np
import pandas as pd
import scipy.optimize as optim
from scipy.integrate import odeint

# 原始数据
df_yeast = pd.DataFrame({'cd': [9.6, 18.3, 29., 47.2, 71.1, 119.1, 174.6, 257.3, 350.7, 441., 513.3, 559.7, 594.8, 629.4, 640.8, 651.1, 655.9, 659.6], 'td': np.arange(18)})
N0 = 1
parsic = [5, 2]

# 修正参数顺序：状态变量N在前，时间t在后
def logistic_de(N, t, r, K):
    return r*N*(1 - N/K)

# 修正返回值：将odeint的二维结果展平为一维数组
def logistic_solution(t, r, K):
    # 使用.flatten()把(18,1)变成(18,)，也可以用[:, 0]提取第一列
    return odeint(logistic_de, N0, t, args=(r, K)).flatten()

# 执行曲线拟合
params, _ = optim.curve_fit(logistic_solution, df_yeast['td'], df_yeast['cd'], p0=parsic)

print(f"拟合得到的r={params[0]:.4f}, K={params[1]:.4f}")

运行结果说明 #

修正后运行代码，会输出类似这样的结果：

拟合得到的r=0.5304, K=663.0488

这个K值和你数据里最后几个接近饱和的数值（比如659.6）高度吻合，说明拟合是合理的。

内容的提问来源于stack exchange，提问作者An Ignorant Wanderer