使用具有可变数量参数的 Scipy curve_fit 进行优化

假设我们有下面的函数来优化 4 个参数，我们必须如下编写函数，但如果我们想要具有更多参数的相同函数，我们必须重写函数定义。

def radius (z,a0,a1,k0,k1,):
    k = np.array([k0,k1,])
    a = np.array([a0,a1,])
    w   = 1.0
    phi = 0.0
    rs = r0 + np.sum(a*np.sin(k*z +w*t +phi), axis=1)
    return rs

问题是这是否可以通过更自动的方式更容易地完成，并且比这个问题建议。

示例如下，必须手写。

def radius (z,a0,a1,a2,a3,a4,a5,a6,a7,a8,a9,k0,k1,k2,k3,k4,k5,k6,k7,k8,k9,):
    k = np.array([k0,k1,k2,k3,k4,k5,k6,k7,k8,k9,])
    a = np.array([a0,a1,a2,a3,a4,a5,a6,a7,a8,a9,])
    w   = 1.0
    phi = 0.0
    rs = r0 + np.sum(a*np.sin(k*z +w*t +phi), axis=1)
    return rs