Python绘图报错：ValueError: err需为标量/1D/(2,n)类数组求助

刚看了你的代码和报错，这几个问题其实都是新手容易踩的小坑，我帮你一步步拆解修正：

核心报错原因：plt.errorbar参数顺序完全搞反 #

你当前写的：

plt.errorbar(m, sigma_m, V, sigma_V, marker='.', fmt='.')

完全不符合plt.errorbar的参数逻辑！它的标准调用顺序是：
plt.errorbar(x, y, yerr=None, xerr=None, ...)
你的图表是质量-体积关系，x轴对应体积（V），y轴对应质量（m），所以正确写法应该是把x设为V、y设为m，然后yerr传质量的误差sigma_m，xerr传体积的误差sigma_V。你现在把误差值直接放在了x、y的位置，导致程序把V当成了yerr参数，而V是数组格式不符合要求，这就是触发ValueError: err must be a scalar or a 1D or (2, n) array-like的直接原因。

第二个关键问题：curve_fit参数顺序颠倒 #

curve_fit的调用逻辑是：curve_fit(拟合函数, x数据, y数据, ...)，你现在写的：

popt, pcov=curve_fit(m, V, line)

不仅把拟合函数放在了最后，还搞反了x、y数据的顺序，正确写法应该是curve_fit(line, V, m)——毕竟你是要用体积V去拟合质量m。

隐性小问题：数据加载导致的二维数组 #

你加载数据时用了np.array([np.loadtxt('xxx.txt')])，比如：

m=np.array([np.loadtxt('masse.txt')])

这会把原本一维的数值数组变成二维数组（形状为(1, n)），而Matplotlib和curve_fit都需要一维数组处理，直接改成m = np.loadtxt('masse.txt')即可，其他加载数据的行同理。

误差计算的疏漏 #

你的sigma_Vpe计算少了开平方步骤，误差传递公式里平方和之后需要开根号，所以应该改成：

sigma_Vpe=np.sqrt((lpe*a)**2 *(0.01)**2 +(lpe*hpe)**2 *(0.01)**2 +(hpe*a)**2 *(0.01)**2)

修正后的完整代码 #

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

# 修正：直接加载为一维数组，去掉外层冗余的np.array([...])
m = np.loadtxt('masse.txt')
sigma_m = np.loadtxt('errore_masse.txt')
lati = np.loadtxt('lati.txt')
sigma_lati = np.loadtxt('errore_lati.txt')
h = np.loadtxt('altezze.txt')
sigma_h = np.loadtxt('errore_altezza.txt')

dc = np.array([6.45, 8.56, 10.45, 10.46])
hc = np.array([16.25, 40.80, 75., 17.67])
lpe = np.array([8.56])
a = np.array([7.41])
hpe = np.array([37.3])
lb = np.array([10.46])

rc = dc/2
Vc = 2*np.pi*a**2 *hc
sigma_rc = sigma_lati/2
sigma_Vc = Vc*2*(0.01/dc)

# 修正：误差计算添加开平方步骤
Vpe = 6*lpe*a*hpe
sigma_Vpe = np.sqrt((lpe*a)**2 *(0.01)**2 +(lpe*hpe)**2 *(0.01)**2 +(hpe*a)**2 *(0.01)**2)

Vp = lb**2
sigma_Vp = 2*Vp*(0.01/lb)

# 修正：一维数组加载体积数据
V = np.loadtxt('volumi.txt')
sigma_V = np.loadtxt('errore_volumi.txt')

def line(x, a, q):
    '''funzione retta '''
    return a*x+q

plt.figure('Grafico massa-volume oggetti di ottone')
# 修正：errorbar参数顺序，x=体积V，y=质量m，对应误差分别传入
plt.errorbar(V, m, xerr=sigma_V, yerr=sigma_m, marker='.', fmt='.')

# 修正：curve_fit参数顺序，拟合函数在前，x=V、y=m
popt, pcov = curve_fit(line, V, m)
a_fit, q_fit = popt
sigma_a_fit, sigma_q_fit = np.sqrt(pcov.diagonal())
print(a_fit, q_fit, sigma_a_fit, sigma_q_fit)

# 优化：用数据的实际范围生成拟合线的x轴，更贴合图表
x = np.linspace(V.min(), V.max(), 100)  # 100个点让拟合线更平滑
plt.plot(x, line(x, a_fit, q_fit))

plt.xlabel('Volume [mm$^3$]')
plt.ylabel('Massa [g]')
plt.grid(ls='dashed', which='both')
plt.show()

额外小建议 #

• 以后调用陌生函数前，可以快速查一下官方文档的参数顺序，plt.errorbar和curve_fit的参数顺序很容易搞混；
• 加载数据后可以用print(m.shape)检查数组维度，避免二维数组带来的隐性问题；
• 如果想让拟合结果更准确，可以在curve_fit里加上误差权重参数：

  popt, pcov = curve_fit(line, V, m, sigma=sigma_m, absolute_sigma=True)
  

内容的提问来源于stack exchange，提问作者lore_caram