Scipy curve_fit报错求助：结果非有效浮点数组/对象维度过深

报错的核心原因是scipy.optimize.curve_fit要求输入的自变量和因变量必须是一维数组，但你传入的(X,Y)是二维网格数组，Z_noise也是二维数组，不符合函数的输入要求。

解决步骤很简单，只需要把多维数组展平成一维，拟合完成后再把结果恢复成原形状即可：

修改后的完整代码 #

### Import Libraries
import numpy as np
from scipy.optimize import curve_fit

### Define Function
def Func(vars, C1, C2):
        (X, Y) = vars
        Z1 = (C1*Y**2) / (1+(1-(C1*Y)**2)**0.5)
        Z2 = (C2*X**2) / (1+(1-(C2*X)**2)**0.5)
        return Z1 + Z2

### Y Data
xL = np.linspace(0.0, 10, 11).flatten()   ## Sub
yL = np.linspace(0.0, 100, 101).flatten() ## Main 
X, Y = np.meshgrid(abs(xL), abs(yL))

### Coefficient
C1 = 0.002
C2 = 0.005

### Calculate : Original and Noise Data
Z_original = Func((X, Y), C1, C2)

Z_noise = np.random.normal(size=(len(xL)*len(yL)), scale=0.5)
Z_noise.resize(len(yL), len(xL)) 
Z_noise = Z_original + Z_noise

### Curve_Fit 修改部分
p0 = (0.002, 0.005)
# 将(X,Y)展平为一维数组，Z_noise也展平为一维
popt, pcov = curve_fit(Func, (X.flatten(), Y.flatten()), Z_noise.flatten(), p0)
# 拟合后计算结果，再reshape回原二维形状
Z_curvefit = Func((X,Y), *popt).reshape(Z_original.shape)

关键修改点 #

• 调用curve_fit时，用X.flatten()和Y.flatten()把二维网格转成一维数组，同时Z_noise.flatten()把因变量也转成一维
• 计算Z_curvefit后，用reshape(Z_original.shape)恢复成和原始数据一样的二维形状，方便后续对比或可视化

这样修改后，就能符合curve_fit的输入要求，解决报错问题。

内容的提问来源于stack exchange，提问作者YoungBok Kim