如何获取SciPy LeastSq中的变量及各次拟合参数结果

核心前提：scipy.optimize.leastsq 是最小二乘拟合的底层接口，本身不解析、不存储传入函数的参数名称，仅接收与初始参数p0等长的数值向量，返回同顺序的拟合结果数组。所谓“自动推断参数名”，本质是从自定义的残差/模型函数侧提取对应参数的命名，再和拟合结果按顺序映射。

• 场景1：待拟合参数为模型函数的独立入参（类curve_fit写法）
  这是最容易自动提取参数名的场景，通常会单独定义模型函数，第一个入参为自变量，后续所有入参为待拟合参数，残差函数做一层封装给leastsq调用。直接用Python标准库inspect提取模型函数的形参即可，不需要额外依赖：

  import inspect
  from scipy.optimize import leastsq
  import numpy as np
  
  # 模型定义：第一个入参为自变量x，后续a/b/c均为待拟合参数
  def model(x, a, b, c):
      return a * x**2 + b * x + c
  
  # 给leastsq调用的残差函数
  def residual(p, x, y):
      return model(x, *p) - y
  
  # 模拟测试数据
  x = np.linspace(0, 2, 20)
  y = 3*x**2 + 2*x + 5 + np.random.normal(0, 0.05, size=len(x))
  p0 = [1, 1, 1]  # 初始值顺序必须和model中a/b/c的顺序一一对应
  
  # 执行拟合
  fit_p, cov = leastsq(residual, p0, args=(x, y))
  
  # 自动提取参数名：跳过模型第一个入参（自变量x），剩余即为待拟合参数名，顺序与拟合结果完全对齐
  param_names = list(inspect.signature(model).parameters.keys())[1:]
  # 组装为可直接按键取用的结果字典
  fit_result = dict(zip(param_names, fit_p))
  

  运行后fit_result会输出类似{'a': 3.01, 'b': 1.98, 'c': 4.99}的结构，直接按键名即可取到对应拟合值。

• 场景2：待拟合参数打包为残差函数的第一个数组入参（leastsq原生写法）
  这种写法下残差函数第一个参数是待拟合的参数数组，通常在函数内部手动解包为独立变量。由于解包是函数内部逻辑，inspect无法直接读取解包后的变量名，优先用零成本的显式绑定方案，不需要做复杂的代码解析：

  def residual(p, x, y):
      a, b, c = p  # 函数内部手动解包参数
      return a*x**2 + b*x + c - y
  # 显式绑定参数名，顺序与p0完全对齐即可
  residual.param_names = ['a', 'b', 'c']
  
  # 拟合完成后直接映射结果
  fit_result = dict(zip(residual.param_names, fit_p))
  

  不推荐用AST解析函数内部解包逻辑的方式自动提取名称，这类方案对代码写法敏感度极高，稍微调整解包格式就会报错，稳定性远不如显式绑定。

注意事项 #

• 所有提取的参数名必须和初始值p0的顺序严格对齐，leastsq完全按位置传递参数值，不会做任何名称匹配，顺序错位会直接导致映射结果完全错误。
• 不要尝试从leastsq的返回值里检索参数名，其返回值是纯数值构成的元组，没有携带任何参数命名相关的元信息。

内容的提问来源于stack exchange，提问作者Z. K