我想根据给定的数据集调整模型的参数。
我试图在Sage中使用scipy
的函数curve_fit
,但我一直得到TypeError: only length-1 arrays can be converted to Python scalars
个
下面是我的代码:
from numpy import cos,exp,pi
f = lambda x: exp( - 1 / cos(x) )
import numpy as np
def ang(time): return (time-12)*pi/12
def temp(x,maxtemp):
cte=(273+maxtemp)/f(0)**(1/4)
if 6<x and x<18:
return float(cte*f(ang(x))**(1/4)-273)
else:
return -273
lT=list(np.linspace(15,40,1+24*2))
lT=[float(num) for num in lT] #list of y data
ltimes=np.linspace(0,24,6*24+1)[1:]
ltimes=list(ltimes) #list of x data
u0=lT[0]
def u(time,maxtemp,k): #the function I want to fit to the data
def integ(t): return k*exp(k*t)*temp(t,maxtemp)
return exp(-k*time)*( numerical_integral(integ, 0, time)[0] + u0 )
import scipy.optimize as optimization
print optimization.curve_fit(u, ltimes, lT,[1000,0.0003])
字符串
2条答案
按热度按时间js81xvg61#
scipy.optimize.curve_fit
期望模型函数被 * 向量化 *:也就是说,它必须能够接收一个数组(准确地说是ndarray),并返回一个值数组。字符串
print的输出将是你传递给
curve_fit
的整个数组ltimes
。这是numerical_integral
没有设计来处理的。你需要给予它一个接一个的值。就像这样:
型
这将解决“只能转换长度为1的数组”的错误。然后你会有另一个错误,因为你的列表ltimes和lT的长度不同,这是没有意义的,因为lT应该是输入ltimes的目标输出。你应该修改这些数组的定义,以确定你想要的大小。
0wi1tuuw2#
不是这个问题的答案,但是如果你在函数中使用 math 库,它会导致这个错误,因为它们不是设计来处理数组的。所以只需要使用 numpy 函数。
举例来说:
字符串
应改为:
型