Python使用scipy.curve_fit拟合自定义函数触发TypeError报错如何解决

你自定义的拟合函数sinugauss返回值形状不符合scipy.optimize.curve_fit的要求：

• 你传入的datos['x']是长度为33的一维数组，函数内部计算得到的Ventas/(np.exp(exponente))本来也是长度为33的一维数组，但是你额外套了一层方括号，再通过np.array()转换后，返回值变成了形状为(1, 33)的二维数组。
• curve_fit会将这个二维数组识别为长度为1的输出序列，而你有3个待拟合参数，拟合逻辑要求输出序列长度必须大于等于待拟合参数数量，因此触发N=3 > M=1的类型错误。

1. 首先修改拟合函数的返回值，删除多余的方括号包装，保证返回和输入x长度一致的一维数组：

def sinugauss(x, Ventas, Inicio, Desv):
    exponente = Desv*(np.sin(x-Inicio))**2
    # 去掉外层方括号，直接返回计算结果即可，numpy运算结果本身就是数组
    return Ventas / np.exp(exponente)

2. 建议给curve_fit传入合理的初始参数猜测值p0，非线性拟合对初始值敏感，缺省初始值全为1很容易出现拟合发散、结果不符合预期的问题，可根据你的数据业务含义自行调整初始值，示例：

# 示例初始值，可根据你的实际数据范围修改
res, cov = curve_fit(sinugauss, datos['x'], datos['y'], p0=[10, 0, 0.5])

3. 可选优化：如果后续拟合还出现数值问题，可检查输入x的取值范围，避免sin的参数过大导致震荡，同时如果y存在零值，可根据实际情况添加极小的偏移量避免数值溢出。

内容的提问来源于stack exchange，提问作者Alejandro Salazar