scipy.optimize.leastsq残差函数移至外部RF模块调用报错如何解决

• 第一个NameError: name 'func' is not defined：RF模块和主代码的作用域相互独立，你在主代码中定义的func = RF.roots属于主模块变量，RF模块的residuals函数无法访问该变量，因此触发未定义错误。
• 后续的参数缺失报错：scipy.optimize.leastsq要求传入的残差函数第一个参数必须是待优化的参数数组，后续入参按顺序匹配你传入的args元组内的元素。你修改残差函数参数顺序后，要么不符合leastsq的第一个参数要求，要么args内没有传入对应的func参数，导致参数数量不匹配。

你完全可以把残差函数迁移到RF文件中，提供两种常用实现方式：

方案1：最简适配（适合固定用RF.roots作为拟合函数的场景） #

直接修改RF.py中的residuals函数，调用模块自身的roots方法即可，不需要额外传参：
RF.py修改后代码：

def roots(params, x):
    a, b, c, d = params
    y = a * (b * x) ** c + d
    return y

def residuals(params, x, y):
    # 直接调用同模块下的roots函数即可
    return y - roots(params, x)

主代码只要注释掉自己定义的residuals，打开residuals = RF.residuals这一行即可正常运行，其余代码不需要任何修改。

方案2：通用适配（支持传入任意拟合函数计算残差） #

如果希望RF模块的残差函数支持适配不同的拟合函数，可以用闭包生成符合leastsq参数要求的残差函数：
RF.py修改后代码：

def roots(params, x):
    a, b, c, d = params
    y = a * (b * x) ** c + d
    return y

# 新增残差函数生成器
def generate_residuals(func):
    def residuals(params, x, y):
        return y - func(params, x)
    return residuals

主代码对应修改为：

import numpy as np
from scipy.optimize import leastsq
import RF

func = RF.roots
# 传入拟合函数生成符合要求的残差函数
residuals = RF.generate_residuals(func)

def estimation(x, y):
    p_guess = [1, 2, 0.5, 0]
    params, cov, infodict, mesg, ier = leastsq(residuals, p_guess, args=(x, y), full_output=True)
    return params

# 其余代码保持不变
x = np.array([2.78e-03, 3.09e-03, 3.25e-03, 3.38e-03, 3.74e-03, 4.42e-03, 4.45e-03, 4.75e-03, 8.05e-03, 1.03e-02, 1.30e-02])
y = np.array([2.16e+02, 2.50e+02, 3.60e+02, 4.48e+02, 5.60e+02, 8.64e+02, 9.00e+02, 1.00e+03, 2.00e+03, 3.00e+03, 4.00e+03])

FIT_params = estimation(x, y)
print(FIT_params)

内容的提问来源于stack exchange，提问作者Ali_Sh