Scipy Curve Fit：“函数调用的结果不是正确的浮点数数组”

如何解决Scipy Curve Fit：“函数调用的结果不是正确的浮点数数组”

我正在尝试将二维高斯与二维数组的偏移量相匹配。代码基于此线程 here（这是在我使用 python3 时为 Python2 编写的，因此需要进行一些更改以使其在一定程度上运行）：

import numpy as np
import scipy.optimize as opt

n_pixels = 2400

def twoD_Gaussian(data_list,amplitude,xo,yo,sigma_x,sigma_y,offset):
    x = data_list[0]
    y = data_list[1]
    theta = 0 # don't care about theta for the moment but want to leave the option in
    a = (np.cos(theta)**2)/(2*sigma_x**2) + (np.sin(theta)**2)/(2*sigma_y**2)
    b = -(np.sin(2*theta))/(4*sigma_x**2) + (np.sin(2*theta))/(4*sigma_y**2)
    c = (np.sin(theta)**2)/(2*sigma_x**2) + (np.cos(theta)**2)/(2*sigma_y**2)
    g = offset + amplitude*np.exp( - (a*((x-xo)**2) + 2*b*(x-xo)*(y-yo) + c*((y-yo)**2)))
    return g 

x = np.linspace(1,n_pixels,n_pixels) #starting with 1 because proper data is from a fits file
y = np.linspace(1,n_pixels)
x,y = np.meshgrid(x,y)

amp = -3
x0,y0 = n_pixels/2,n_pixels/2
sigma_x,sigma_y = 100,100
offset = -1

initial_guess = np.asarray([amp,x0,y0,offset])

data_array = np.asarray([x,y])

testmap = twoD_Gaussian(data_array,initial_guess[0],initial_guess[1],initial_guess[2],initial_guess[3],initial_guess[4],initial_guess[5])

popt,pcov = opt.curve_fit(twoD_Gaussian,data_array,testmap,p0=initial_guess)

然而，我首先得到一个值错误：

ValueError: object too deep for desired array

然后回溯追踪到：

error: Result from function call is not a proper array of floats.

根据我在其他线程中的理解，这与参数的某些部分没有正确定义为数组有关，但是例如作为一个符号对象，我不明白，因为输出 testmap（按预期工作）实际上是一个 numpy 数组，并且所有到 curve_fit 的输入也是一个 numpy 数组或函数本身。确切的问题是什么，我该如何解决？

编辑：如果我尝试从控制台运行它的完整错误是：

ValueError: object too deep for desired array
Traceback (most recent call last):
  File "fit-2dgauss.py",line 41,in <module>
    popt,test,p0=initial_guess)
  File "/users/drhiem/.local/lib/python3.6/site-packages/scipy/optimize/minpack.py",line 784,in curve_fit
    res = leastsq(func,p0,Dfun=jac,full_output=1,**kwargs)
  File "/users/drhiem/.local/lib/python3.6/site-packages/scipy/optimize/minpack.py",line 423,in leastsq
gtol,maxfev,epsfcn,factor,diag)
minpack.error: Result from function call is not a proper array of floats.

我刚刚注意到，现在不是“错误”，而是“minpack.error”。为了测试目的，我事先在 ipython 控制台环境中运行了它，所以也许差异就在于，不确定这种差异有多大影响。

解决方法

data_array 是 (2,2400,2400) float64（来自添加的打印）

testmap 是 (2400,2400) float64（再次诊断打印）

curve_fit 文档讨论 M 长度或 (k,M) 数组。

您提供 (2,N,N) 和 (N,N) 形状数组。

让我们尝试展平 N,N 维：

在目标函数中：

def twoD_Gaussian(data_list,amplitude,xo,yo,sigma_x,sigma_y,offset):
    x = data_list[0]
    y = data_list[1]
    x = x.reshape(2400,2400)
    y = y.reshape(2400,2400)
    theta = 0 # don't care about theta for the moment but want to leave the option in
    a = (np.cos(theta)**2)/(2*sigma_x**2) + (np.sin(theta)**2)/(2*sigma_y**2)
    b = -(np.sin(2*theta))/(4*sigma_x**2) + (np.sin(2*theta))/(4*sigma_y**2)
    c = (np.sin(theta)**2)/(2*sigma_x**2) + (np.cos(theta)**2)/(2*sigma_y**2)
    g = offset + amplitude*np.exp( - (a*((x-xo)**2) + 2*b*(x-xo)*(y-yo) + c*((y-yo)**2)))
    return g.ravel()

和

在通话中：

testmap = twoD_Gaussian(data_array.reshape(2,-1),initial_guess[0],initial_guess[1],initial_guess[2],initial_guess[3],initial_guess[4],initial_guess[5])
# shape (5760000,) float64
print(type(testmap),testmap.shape,testmap.dtype)
popt,pcov = opt.curve_fit(twoD_Gaussian,data_array.reshape(2,testmap,p0=initial_guess)

它运行：

1624:~/mypy$ python3 stack65587542.py 
(2,2400) float64
<class 'numpy.ndarray'> (5760000,) float64

popt 和 pcov：

[-3.0e+00  1.2e+03  1.2e+03  1.0e+02  1.0e+02 -1.0e+00] 
[[ 0. -0. -0.  0.  0. -0.]
 [-0.  0. -0. -0. -0. -0.]
 [-0. -0.  0. -0. -0. -0.]
 [ 0. -0. -0.  0.  0.  0.]
 [ 0. -0. -0.  0.  0.  0.]
 [-0. -0. -0.  0.  0.  0.]]

popt 的值与预期的 initial_guess 相同，但具有精确的 testmap。

所以基本的问题是你没有认真对待文档化的规范。那

ValueError: 对象对于所需数组来说太深了

错误信息有点晦涩，虽然我依稀记得以前看过它。有时，当输入是参差不齐的数组并且结果数组是对象 dtype 时，我们会遇到这样的错误。但这里只是形状问题。

过去有类似问题并修复的 SO：

Scipy curve_fit for Two Dimensions Not Working - Object Too Deep?

ValueError When Performing scipy.stats test on Pandas Column Selection by Row

Fitting a 2D Gaussian function using scipy.optimize.curve_fit - ValueError and minpack.error

这只是具有相同错误消息的 SO 的一个子集。其他 scipy 函数产生它。通常问题在于像 (m,1) 而不是 (N,N) 这样的形状。我很想将其作为副本关闭，但我关于调试细节的长篇回答可能会有所启发。