如何解决ValueError：操作数无法按形状(100,) (2,)广播的问题

我需要绘制一张实现曲线拟合的图表，拟合公式为：

2*np.pi*np.sqrt((lx/g)*1+1/16*a**2)

运行代码时出现如下错误：

ValueError: operands could not be broadcast together with shapes (100,) (2,)

我推测是函数返回了矩阵导致绘图失败，目前使用的代码如下：

from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import numpy as np
##defining function of mathematical pendulum
my_data =genfromtxt('lundd_3.csv',delimiter=',',skip_header=1)
##defining my variables
lx=my_data[:,0].reshape(1,-1).flatten()
ty=my_data[:,1]
Xerr=my_data[:,2]
Yerr=my_data[:,3]
a=my_data[:,4]

def mathPen(lx,a,g):
##here must be the error because it somehow creates here the matrix but I don't know why??
    return 2*np.pi*np.sqrt((lx/g)*1+1/16*a**2)
Fit=curve_fit(mathPen, lx, ty)
fitParameter = Fit[0]
fehlerMatrix = Fit[1]


##defining variable again
g = fitParameter
##creating new values
xFunk = np.linspace(np.min(lx),np.max(lx),100)
print(xFunk)

yFunk = mathPen(xFunk,a,g)

plt.plot(xFunk,yFunk)
plt.plot(lx,ty,markers='x',linestyle = 'none',color='blue')
plt.show()

我已尝试使用np.reshape和flatten函数调整xFunk的形状，但问题仍未解决。请问能否通过改写函数或调整数值形状来解决该问题？

核心问题 #

1. 拟合参数定义错误：你把已知变量a放进了拟合函数的待拟合参数列表里，curve_fit会把a和g都当成需要拟合的参数，最后得到的fitParameter是包含两个值的数组，赋值给g后就变成了长度为2的数组。
2. 数组广播不匹配：生成的xFunk是长度100的数组，而a是原数据里的数组（长度和原始数据行数一致），两者形状不兼容，计算时触发广播错误。

修正步骤 #

1. 重构拟合函数：把已知变量a从待拟合参数中移除，函数只保留自变量lx和待拟合参数g，a作为外部参数传入。
2. 正确调用curve_fit：用args参数把已知的a传递给拟合函数，同时给g一个初始猜测值（比如9.8，接近重力加速度）。
3. 修正参数传递逻辑：拟合完成后，g取拟合结果的单个数值，避免数组维度问题。

修正后的完整代码 #

from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import numpy as np

# 读取数据（补上漏掉的np.）
my_data = np.genfromtxt('lundd_3.csv', delimiter=',', skip_header=1)

# 定义变量，flatten已足够，无需额外reshape
lx = my_data[:, 0].flatten()
ty = my_data[:, 1]
Xerr = my_data[:, 2]
Yerr = my_data[:, 3]
a = my_data[:, 4]

# 修正拟合函数：仅保留自变量lx和待拟合参数g，a作为外部参数
def mathPen(lx, g, a):
    return 2 * np.pi * np.sqrt((lx / g) + (1/16) * (a ** 2))

# 调用curve_fit，用args传入已知的a，p0给g初始猜测值
Fit, fehlerMatrix = curve_fit(mathPen, lx, ty, p0=[9.8], args=(a,))
g_fit = Fit[0]  # 拟合得到的g是单个数值

# 生成拟合曲线的x轴数据
xFunk = np.linspace(np.min(lx), np.max(lx), 100)

# 计算拟合曲线的y值，参数顺序和函数定义一致
yFunk = mathPen(xFunk, g_fit, a)

# 绘图，用scatter画散点更直观
plt.plot(xFunk, yFunk, label='拟合曲线')
plt.scatter(lx, ty, marker='x', color='blue', label='原始数据')
plt.xlabel('lx')
plt.ylabel('ty')
plt.legend()
plt.show()

额外提示 #

• 如果需要展示误差棒，可以添加一行：plt.errorbar(lx, ty, xerr=Xerr, yerr=Yerr, fmt='none', ecolor='gray')
• 初始猜测值p0可以根据你的数据范围调整，能提升拟合效率和准确性

内容的提问来源于stack exchange，提问作者Ann_neu