使用scipy.curve_fit拟合分段梯形函数遇ValueError问题求助

想要用梯形函数拟合数据，自定义了trap函数并尝试使用scipy.curve_fit函数，但出现如下错误：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

错误出现在行if (np.less(x, start)): return upper。

请问如何解决该问题，或者是否存在可直接传入curve_fit的预定义梯形函数？

用户提供的代码：

def trap(x, upper, start, end, slope, width):
    x = np.array(x)
    if (np.less(x, start)): return upper
    if (np.greater_equal(x,start)) & (np.less(x,end)): return upper - slope*(x-start)
    if (np.greater_equal(x,end)) & (np.less(x,end+width)): return upper - slope*(end-start)
    if (np.greater_equal(x,end+width)) & (np.less_equal(x,2*end - start)): return upper - slope*(end-start) + slope*(x- (end + width))
    else: return upper

def main():
    dir = "Daten/2022-11-28_WASP-12b.csv"
    df = import_transit(dir)
    plt.errorbar(x=df['time'], y=df['str'], yerr= df['err'], fmt='x')
    x = np.linspace(0.5131, 0.6842, 1000 )
    ### Trapez
    p0 = [1.311, 0.5298, 0.5568, 1.04, 0.07]
    par, cov = curve_fit(trap, df['time'], df['str'], sigma=df['err'], p0=p0)
    upper, start, end, slope, width = par
    y = trap(df['str'], upper, start, end, slope, width)
    np.plot(x,y)

    plt.show()

错误原因 #

curve_fit会传入数组/Series类型的x，但你的if判断直接使用整个数组的布尔结果——np.less(x, start)返回的是布尔数组，Python无法判断该用数组的全部元素还是单个元素的真值，因此触发歧义错误。curve_fit要求模型函数必须接收数组输入，并返回同长度的数组输出，不能用Python原生的分支逻辑处理数组。

解决方案 #

改用numpy的向量化操作（掩码赋值）实现分段逻辑，让函数直接返回和输入x同长度的数组。同时修正原代码中传入错误参数的问题（trap应该传x值而非y值）：

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

def trap(x, upper, start, end, slope, width):
    x = np.asarray(x)
    # 初始化结果数组为基准值upper
    y = np.full_like(x, upper)
    
    # 下降沿分段
    mask = (x >= start) & (x < end)
    y[mask] = upper - slope * (x[mask] - start)
    
    # 平台区分段
    mask = (x >= end) & (x < end + width)
    y[mask] = upper - slope * (end - start)
    
    # 上升沿分段
    mask = (x >= end + width) & (x <= 2*end - start)
    y[mask] = upper - slope*(end-start) + slope*(x[mask] - (end + width))
    
    return y

def main():
    dir = "Daten/2022-11-28_WASP-12b.csv"
    df = import_transit(dir)  # 确保import_transit函数已正确定义
    plt.errorbar(x=df['time'], y=df['str'], yerr=df['err'], fmt='x')
    
    x_fit = np.linspace(0.5131, 0.6842, 1000 )
    p0 = [1.311, 0.5298, 0.5568, 1.04, 0.07]
    par, cov = curve_fit(trap, df['time'], df['str'], sigma=df['err'], p0=p0)
    upper, start, end, slope, width = par
    
    # 传入x_fit计算拟合曲线的y值
    y_fit = trap(x_fit, upper, start, end, slope, width)
    plt.plot(x_fit, y_fit, 'r-', label='Trapezoidal Fit')
    
    plt.legend()
    plt.show()

关于预定义梯形函数 #

scipy没有直接提供适配curve_fit的预定义梯形拟合函数，但如果是处理系外行星凌星数据（从文件名推测），可以使用天文专用库如batman，它内置了包含梯形（斜坡+平台）的凌星模型，能直接用于拟合。如果只依赖scipy，上述自定义的向量化函数是最直接的方案。

内容的提问来源于stack exchange，提问作者daniel