ric*_*hmb 5 python numpy scipy least-squares
我正在尝试创建一个函数,它将根据传入的lambda函数进行最小二乘拟合.我想创建一个长度为零的数组,该数组的长度等于lambda函数对lambda函数的初始猜测所采用的参数数量.所以如果它的线性我想要[0,0]而对于二次我想要[0,0,0].
#polynomial functions
linear = lambda p, x: p[0] * x + p[1]
quadratic = lambda p, x: p[0] * x**2 + p[1] * x + p[2]
cubic = lambda p, x: p[0] * x**3 + p[1] * x**2 + p[2] * x + p[3]
#polynomial functions forced through 0
linear_zero = lambda p, x: p[0] * x
quadratic_zero = lambda p, x: p[0] * x**2 + p[1] * x
cubic_zero = lambda p, x: p[0] * x**3 + p[1] * x**2 + p[2] * x
def linFit(x, y,fitfunc):
errfunc = lambda p, x, y: fitfunc(p, x) - y
Run Code Online (Sandbox Code Playgroud)
在这里,我想创建一个零数组.但此时p未定义.所以len(p)不起作用.
init_p = np.array(zeros(len(p))) #bundle initial values in initial parameters
p1, success = optimize.leastsq(errfunc, init_p.copy(), args = (x, y))
return p1
Run Code Online (Sandbox Code Playgroud)
在python> = 2.7下:
>>> l = lambda a, b: None
>>> l.func_code.co_argcount
2
Run Code Online (Sandbox Code Playgroud)
或2.6以下:
>>> l.__code__.co_argcount
2
Run Code Online (Sandbox Code Playgroud)