类型错误：不正确的输入：N=2 不得超过 M=1

Question

我正在编写一个函数来进行非线性曲线拟合，但遇到了这个错误：

TypeError: Improper input: N=2 must not exceed M=1. 

我不知道为什么当我只从 csv 文件中读取列时，它认为我试图使用太大的数组。

import math

#stolen sig-fig function <--trust but verify
def round_figures(x, n): 
    return round(x, int(n - math.ceil(math.log10(abs(x))))) 

def try_michaelis_menten_fit( df, pretty=False ):

    # auto-guess
    p0 = ( df['productFinal'].max(), df['substrateConcentration'].mean() )

    popt, pcov = curve_fit( v, df['substrateConcentration'], df['productFinal'], p0=p0 )
    perr = sqrt( diag( pcov ) )

    kcat_km = popt[0] / popt[1]
    # error propegation
    kcat_km_err = (sqrt( (( (perr[0])  / popt[0])**2) + ((  (perr[1])  / popt[1])**2) ))

    kcat = ( popt[0] )
    kcat_std_err = ( perr[0] )

    km_uM = ( popt[1] * 1000000 )
    km_std_err = ( perr[1] *1000000)


    if pretty:



        results = { 

        'kcat': round_figures(kcat, 3),
        'kcat_std_err': round_figures(kcat_std_err, 3),

        'km_uM': round_figures(km_uM, 5),
        'km_std_err': round_figures(km_std_err, 3),

        'kcat/km': round_figures(kcat_km, 2),
        'kcat/km_err': round_figures(kcat_km_err, 2),

        }

        return pandas.Series( results )
    else: 
        return popt, perr 

df = pandas.read_csv( 'PNP_Raw2Fittr.csv' ) 



fits = df.groupby('sample').apply( try_michaelis_menten_fit, pretty=True ) 
fits.to_csv( 'fits_pretty_output.csv' )
print( fits ) 

我正在阅读一个数据框，它是这样的扩展版本：

   sample   yield    dilution  time  productAbsorbance  substrateConcentration  internalStandard  
0  PNPH_I_4  2.604     10000  2400              269.6                0.007000   2364.0
1  PNPH_I_4  2.604     10000  2400              215.3                0.002333   2515.7
2  PNPH_I_4  2.604     10000  2400              160.3                0.000778   2252.2
3  PNPH_I_4  2.604     10000  2400              104.1                0.000259   2302.4
4  PNPH_I_4  2.604     10000  2400               60.9                0.000086   2323.5
5  PNPH_I_4  2.604     10000  2400               35.4                0.000029   2367.9
6  PNPH_I_4  2.604     10000  2400                0.0                0.000000   2165.3

当我在这个较小版本的数据框上调用这个函数时，它似乎可以工作，但是当我在大版本上使用它时，我得到了这个错误。当我添加该internalStandard列并在此之前完美运行时，此错误就开始了。更令人困惑的是，当我使用旧版本的数据框恢复到旧代码时，它工作正常，但是，如果我添加该行，我会得到预期的错误，但是，当我删除同一行时我的数据框并再次运行代码我仍然得到同样的错误！

我发现我传入method='trf'而不是lm我的优化方法，而是得到错误OverflowError: cannot convert float infinity to integer，但是我确实使用了df.dropna(inplace=True)，是否有专门针对无穷大的类似方法？

Answer 1

我相信这个错误是指你的x和y（例如df['substrateConcentration']和df['productFinal']）输入数据的长度小于curve_fit你的拟合函数中定义的拟合参数的数量v。这是数学的结果；试图在约束太少的情况下执行曲线拟合（优化）。

我scipy.optimize.curve_fit通过提供一个拟合函数来重现相同的错误，该函数期望 4 个具有形状数组 (2,) 的拟合参数。

例如

import numpy as np
from scipy.optimize import curve_fit

x, y = np.array([0.5, 4.0]), np.array([1.5, 0.6])

def func(x, a, b, c, d):
    return a*x**3. + b*x**2. - c/x + d

popt, pcov = curve_fit(func, x, y)

类型错误：不正确的输入：N=4 不得超过 M=2

但是，由于您没有v在问题中提供您的拟合函数，因此无法确认这是您问题的具体原因。

也许您的输入数据没有按照您认为的方式完全格式化。我建议您检查数组在传递给curve_fit. 您可能会错误地解析数据，因此行数最终非常小。

我发现我在优化方法中传入 method='trf' 而不是 lm 我反而得到错误 OverflowError: cannot convert float infinity to integer，但是我确实使用了 df.dropna(inplace=True)，在那里特定于无穷大的类似方法？

是的，所以不同的优化方法会以不同的方式检查输入数据并抛出不同的错误。这再次表明您的输入数据存在某种问题。第一种方法可能是拒绝（忽略）'trf' 抛出此错误的那些行，并且可能最终根本没有行。