我正在尝试编写一个返回最佳参数 a、b 和 c 的曲线拟合函数,这是一个简化的示例:
import numpy
import scipy
from scipy.optimize import curve_fit
def f(x, a, b, c):
return x * 2*a + 4*b - 5*c
xdata = numpy.array([1,3,6,8,10])
ydata = numpy.array([ 0.91589774, 4.91589774, 10.91589774, 14.91589774, 18.91589774])
popt, pcov = scipy.optimize.curve_fit(f, xdata, ydata)
这很好用,但我想让用户有机会提供一些(或不提供)参数 a、b 或 c,在这种情况下,它们应该被视为常量而不是估计值。我如何编写 f
使其只适合用户未提供的参数?
基本上,我需要使用正确的参数动态定义f
。例如,如果用户知道 a
,则 f
变为:
def f(x, b, c):
a = global_version_of_a
return x * 2*a + 4*b - 5*c
最佳答案
从 collections.namedtuple playbook 中获取一页,您可以使用 exec 来“动态地”定义 func
:
import numpy as np
import scipy.optimize as optimize
import textwrap
funcstr=textwrap.dedent('''\
def func(x, {p}):
return x * 2*a + 4*b - 5*c
''')
def make_model(**kwargs):
params=set(('a','b','c')).difference(kwargs.keys())
exec funcstr.format(p=','.join(params)) in kwargs
return kwargs['func']
func=make_model(a=3, b=1)
xdata = np.array([1,3,6,8,10])
ydata = np.array([ 0.91589774, 4.91589774, 10.91589774, 14.91589774, 18.91589774])
popt, pcov = optimize.curve_fit(func, xdata, ydata)
print(popt)
# [ 5.49682045]
注意这行
func=make_model(a=3, b=1)
您可以将任何您喜欢的参数传递给 make_model。您传递给 make_model
的参数成为 func
中的固定常量。保留的任何参数都将成为 optimize.curve_fit
将尝试拟合的自由参数。
例如,上面的a=3和b=1成为func
中的固定常量。实际上,exec
语句将它们放在 func
的全局命名空间中。 func
因此被定义为 x
和单个参数 c
的函数。请注意,popt
的返回值是一个长度为 1 的数组,对应于剩余的自由参数 c
。
关于textwrap.dedent
:在上面的例子中,调用textwrap.dedent
是不必要的。但在“现实生活”脚本中,funcstr
是在函数内部或更深的缩进级别定义的,textwrap.dedent
允许您编写
def foo():
funcstr=textwrap.dedent('''\
def func(x, {p}):
return x * 2*a + 4*b - 5*c
''')
而不是视觉上没有吸引力
def foo():
funcstr='''\
def func(x, {p}):
return x * 2*a + 4*b - 5*c
'''
有些人喜欢
def foo():
funcstr=(
'def func(x, {p}):\n'
' return x * 2*a + 4*b - 5*c'
)
但我发现分别引用每一行并添加明确的 EOL 字符有点麻烦。但是,它确实为您节省了一次函数调用。
关于python - 动态定义一个函数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8196744/