读取TXT频率相位数据，使用curve_fit拟合绘图时遇到类型错误如何解决

所有报错均来自三个核心不匹配问题，无算法逻辑层面的根本性错误：

• 数据解析逻辑和实际文本结构不匹配
• 原生序列与numpy运算的类型兼容性问题
• 拟合函数的输入适配问题

• 列数解析错位：提供的TXT实验文本每行仅包含2列（频率、相位），原代码强行拆分读取4个变量（enter取第1列、exit取第2列、faze取第3列），不仅会出现索引越界，还会把错误的数值当作相位输入拟合流程。
• 类型运算不兼容：读取的freq、faze是Python原生列表，自定义函数中的参数a是numpy.float64类型标量，当执行a * 列表操作时，Python列表仅支持整数类型的重复乘法，遇到浮点数就会触发TypeError: can't multiply sequence by non-int of type 'numpy.float64'。
• 函数输入不兼容：如果之前尝试用math模块的arctan替换numpy的arctan，math类函数仅支持单个数值输入，传入列表/数组时就会触发TypeError: only size-1 arrays can be converted to Python scalars。
• 整数转换逻辑错误：将带小数点的字符串（如'100.000000'）直接传给int()函数时，int()无法解析浮点格式的字符串，必须先通过float()做格式转换，而当前实验场景下数值本身是浮点类型，根本不需要转整数。

import matplotlib.pyplot as plt
import numpy as np
import scipy.optimize

# 文本数据读取，增加空行过滤
freq_list = []
faze_list = []
with open('dane.txt') as f:
    for line in f.readlines():
        stripped_line = line.strip()
        # 跳过空行避免索引错误
        if not stripped_line:
            continue
        split_parts = stripped_line.split()
        # 按实际2列结构解析，去掉多余的列读取逻辑
        freq_list.append(float(split_parts[0]))
        faze_list.append(float(split_parts[1]))

# 转换为numpy数组，从根源解决类型兼容问题
freq = np.array(freq_list)
faze = np.array(faze_list)

# 自定义拟合函数，使用numpy向量化arctan兼容数组输入
def fit_func(x, a, b):
    return a * np.arctan(b * x)

# 执行拟合，传入初始猜测值加快收敛避免不收敛报错
fit_params, pcov = scipy.optimize.curve_fit(
    fit_func, freq, faze, p0=[1, 1e-3]
)
print(f'拟合参数a, b = {fit_params}')
print(f'参数计算误差 = {np.sqrt(np.diag(pcov))}')

# 绘制图形
fig, ax = plt.subplots()
# 绘制原始实验数据散点
ax.scatter(freq, faze, c='firebrick', label='原始实验数据')
# 生成连续的拟合曲线采样点，避免直接用离散点画拟合线出现折线锯齿
x_curve = np.linspace(freq.min(), freq.max(), 100)
ax.plot(x_curve, fit_func(x_curve, *fit_params), c='navy', label='反正切拟合曲线')

ax.set_xlabel('Frequency')
ax.set_ylabel('Faze')
ax.set_title('频率-相位特性曲线')
ax.grid(alpha=0.3)
ax.legend()
plt.show()
plt.close(fig)

• 所有需要传入拟合函数、绘图函数的数值序列，统一转换为np.array格式，可规避绝大多数原生列表和numpy运算的类型冲突。
• 自定义拟合函数必须保证输入是数组时可以批量计算返回结果，优先使用numpy的向量化函数，不要混用math模块的逐值函数。
• 读取TXT时必须增加空行过滤，避免文本末尾的空行触发split后索引越界。
• curve_fit可通过p0参数传入参数的初始猜测值，避免初始值离最优解过远导致不收敛、拟合报错。

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