1

我正在尝试将一些数据拟合到 python 中的方程中,但我遇到了一些困难。我有等式:

y(t)=yo+a(t-ti)^b+kt

其中a、和是拟合参数,ti和是分别表示时间和位移的数组变量。该等式将通过一些迭代很好地适合 gnuplot,但在 python 中适合它会引发以下错误:-bktdisp

ValueError: array must not contain infs or NaNs

完整的堆栈跟踪是:

creep_test.py:246: RuntimeWarning: invalid value encountered in power
  fitfunc = lambda p, t: disp_list[0]+(p[0]*(t-p[1])**p[2])+p[3]*t # Target function
Traceback (most recent call last):
  File "creep_test.py", line 374, in <module>
    main()
  File "creep_test.py", line 368, in main
    python_fit(filename)  
  File "creep_test.py", line 256, in python_fit
    out = optimize.leastsq(errfunc, p0[:], args=(t, disp,err), full_output=1)
  File "/usr/lib/python2.7/dist-packages/scipy/optimize/minpack.py", line 338, in leastsq
    cov_x = inv(dot(transpose(R),R))
  File "/usr/lib/python2.7/dist-packages/scipy/linalg/basic.py", line 285, in inv
    a1 = asarray_chkfinite(a)
  File "/usr/lib/python2.7/dist-packages/numpy/lib/function_base.py", line 590, in asarray_chkfinite
    "array must not contain infs or NaNs")
ValueError: array must not contain infs or NaNs

我发现它ti是导致问题的术语,如果你已经ti固定在周围,那么配件就可以工作35.5。我使用了电子表格,对于t下的任何值ti,等式抛出一个#VALUE(可能是因为它是虚构的)

基本上有没有办法让python像gnuplot一样适应曲线(我假设它忽略了无效的结果)?我用于我的程序的fittiong部分的代码如下:

  fitfunc = lambda p, t: disp_list[0]+(p[0]*(t-p[1])**p[2])+p[3]*t # Target function
  errfunc = lambda p, t, y, err: (fitfunc(p, t) - y)/(err) # Distance to the target function
  err=0.01
  p0 = [ 50, 35.5,0.005, 0.001] # Initial guess for the parameters
  out = optimize.leastsq(errfunc, p0[:], args=(t, disp,err), full_output=1)
  print out[0]
  print out[1]

谢谢!!

4

1 回答 1

2

宝贵的经验教训。我用来尝试打破我之前拟合的更简单方程的起始参数正在打破我现在拟合的更复杂的方程。如果配件声称解决方案没有意义,请务必检查您的起始参数。以艰难的方式学习python,这样你就不必......

于 2013-01-14T17:41:05.473 回答