符号模型函数传入lmfit遇自变量无效错误，求解决方案

报错核心原因 #

你定义的拟合函数g的参数是xa, anion, a，但告诉lmfit的独立变量是xCl和xI——这俩根本不在函数参数列表里，lmfit自然找不到对应自变量，所以抛出Invalid independent variable name错误。此外代码还有几个其他问题：用sympy符号运算做数值拟合、变量名混淆（定义了obj却用mod.fit）、缺少ydat数据，这些都需要一起修正。

修正后的完整代码 #

import numpy as np
import lmfit

# 示例数据：替换成你的真实数据即可
xCl = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
xI = np.array([0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 0.1, 0.8, 0.11, 0.12])
# 生成带噪声的模拟目标数据，模拟你实际要拟合的ydat
ydat = xCl * xI + 0.1 + np.random.normal(0, 0.2, size=len(xCl))

def g(xCl, xI, a):
    # 直接做数值计算，lmfit需要返回数值结果，不能用sympy符号
    xzc = xCl * xI + a
    return xzc

# 明确告知lmfit：函数g的独立变量是xCl和xI，剩余的a是拟合参数
obj = lmfit.Model(g, independent_vars=['xCl', 'xI'])
pars = obj.make_params(a=0.1)

# 调用拟合时用正确的变量名，且用关键字参数传递自变量更清晰
result = obj.fit(ydat, pars, xCl=xCl, xI=xI)
print(result.fit_report())

关键改动说明 #

• 调整函数参数结构：把xCl和xI直接作为g的参数，让lmfit能识别到指定的独立变量
• 替换符号运算为数值计算：lmfit要求拟合函数返回数值结果，sympy的符号对象无法用于数值拟合，改用numpy数组直接计算
• 修正变量名错误：原代码定义了obj = lmfit.Model(...)，却错误调用mod.fit，改为obj.fit
• 补充模拟目标数据：原代码缺少拟合目标ydat，这里生成了模拟数据，你可以替换成自己的真实实验/观测数据
• 用关键字参数传递自变量：调用fit时使用xCl=xCl形式，避免因参数顺序出错

内容的提问来源于stack exchange，提问作者Z. K