我试图将多个数据集拟合到同一个方程中，并找到它们之间的拟合参数值。有两个自变量，我想我已经处理过了。我最终得到了一个对单个数据集有效的程序，但对多个数据集无效。代码本身有效，但合身的样子像蝴蝶结（一条直线和一条曲线在末端相连）而不仅仅是一条曲线。我希望每个数据集都有单独的曲线，参数都有共享的值。我知道我需要以某种方式分解数据，也许是通过堆叠数据和使用索引调整函数，但是我对我找到的例子感到困惑，不知道如何在这里执行它们。下面是代码：

# import things

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

## set-up data##

# Have x-data as numpy array

xfrac = [1., 0.85,0.725,0.6,0.5,0.4,0.]
x = np.concatenate((xfrac,xfrac))

# Write function to generate and populate arrays using ideal values

# data sets (I have pasted the values instead of posting the code used to calculate them)

mix_850 = [1.701    3.642865 4.6762   5.0739   5.5177   5.9923   6.9408]
mix_1000 = [1.651185 3.53359  4.4854   4.8978   5.32525  5.7388   6.792]
dat = np.concatenate((mix_850,mix_1000))

# Temperature values

c=np.repeat(850.,7.)
d=np.repeat(1000.,7.)
Temp = np.concatenate((c,d))

# Define function

def f(Z, a1, b1, a2, b2):
    x1,T= Z
    x2= 1.-x1
    excess = a1+b1+(a2+b2*T)*(x1-(1.-x1)*(x1*(1.-x1)))
    ideal = ((x1*25.939)+((1.0-x1)*314.02))/(((x1*25.939)/1.701-0.3321e-3*T)+(((1.0-x1)*314.02)/7.784-0.9920e-3*T))
    mix = excess + ideal
    return mix

# Fitting

popt,_ = curve_fit(f,(x,Temp),dat)

fit_a1 = popt[0]
fit_b1 = popt[1]
fit_a2 = popt[2]
fit_b2 = popt[3]