使用含数值积分的函数做scipy曲线拟合时报numpy.float64解包错误

核心报错根源 #

你触发的TypeError: cannot unpack non-iterable numpy.float64 object错误，本质是对scipy.optimize.curve_fit的传参机制理解错误：
curve_fit调用自定义拟合函数时，会将待拟合的N个参数逐个作为独立参数传入，不会打包成一个元组赋值给第二个参数。你在lc_fit里把第二个参数命名为args，尝试从里面拆分7个拟合参数，实际上此时args只是第一个待拟合参数（单个float值），自然无法执行拆包操作。

需同步修改的几处代码 #

1. 修改拟合函数的参数定义
   直接将7个待拟合参数作为独立参数声明，无需单独拆包：

def lc_fit(t, p, a, b, T, delta, gamma1, gamma2):
    # 原函数内部逻辑不变
    Integral_1 = integrate.quad(integrand_1, 0.0001, 1., args=(t, p, a, b, T, delta, gamma1, gamma2))[0]
    Integral_2 = integrate.quad(integrand_2, 0.0001, 1., args=(gamma1, gamma2))[0]
    F= 1. - Integral_1/Integral_2
    return F

2. 修改两个被积函数的参数定义
   scipy.integrate.quad的args参数传入的内容也是逐个传递给被积函数，不会打包为元组，因此修改如下：

def integrand_1(r, t, p, a, b, T, delta, gamma1, gamma2):
    # 原内部逻辑不变，删除原来的args1拆包代码
    omega = 2*np.pi/T
    x = a*np.cos(omega*t+delta)
    z = np.sqrt(x**2 + b**2)
    T1 = derivative(L, r, dx=1e-6, args=(p,z))
    T2 = I_function(r, gamma1, gamma2)
    return T1*T2

def integrand_2(r, gamma1, gamma2):
    # 原内部逻辑不变，删除原来的args2拆包代码
    return I_function(r, gamma1, gamma2)*2*r

3. 处理函数向量化与初始值问题

• 你的lc_fit仅支持单个t值输入，而curve_fit传入的是整个t_data数组，需要将函数向量化：lc_fit_vec = np.vectorize(lc_fit)，拟合时传入向量化后的函数。
• 7个待拟合参数必须给定合理初始猜测值p0，否则默认全1的初始值极易导致拟合发散：

# 初始值可根据你的物理场景调整，这里参考你代码注释里的示例值
p0 = [0.1, 2.0, 0.7, 10.0, 0.0, 0.296, 0.34]
popt, pcov = scipy.optimize.curve_fit(lc_fit_vec, t_data, lc_init_data, p0=p0)

4. 修正L函数的标量兼容问题
   原L函数中z = np.zeros(len(z0))在z0为标量时会触发报错，可在函数开头添加z0 = np.atleast_1d(z0)兼容标量输入。

内容的提问来源于stack exchange，提问作者Juan Esteban Agudelo Ortiz