我有一个关于 Python 中简单拟合函数的问题。 我试图在数据集上拟合两个不同的函数，并且两个状态之间的边界也应该是一个拟合参数。 我非常天真地尝试这样的事情：
def FitFunc(x, a, b, c, d, e, border):
if x < border:
return a * x + b
if x > border:
return c * x**2 + d * x + e
但我得到了一个值错误：
系列的真值是不明确的。使用 a.empty()、a.bool()、a.item()、a.any() 或 a.all()
我知道您无法将我的 x 数组与整数值进行比较（甚至没有分配给固定值，这应该由 curve_fit 过程完成）。
我无法找到这个看似简单的问题的解决方案。有人可以帮我解决这个问题吗？
提前致谢！
EDIT: I constructed an example:
For the data with x<5 this is perfectly described by a linear function (y=x-3), For x>5 this is perfectly described by a square function (y=x**2/5-3*x/5). Assume you don't know that x is the perfect 'border', is there a way to let curve_fit find out?
错误消息指出比较数组的值 (x）与标量值（border) 是不明确的。你的意思是如果any的值x小于border or if all的值x小于border?
我怀疑你真正想要的是 numpy 的where函数，这有点像循环x并逐点决定使用哪个表达式，而且速度更快：
def FitFunc(x, a, b, c, d, e, border):
out = a * x + b
out[np.where(x > border)] = c * x**2 + d * x + e
return out
我认为这就是您想要的，并且应该根据情况选择适当的功能形式border.
不过，我要提醒大家的是，这可能不会do你想要什么。也就是说，看起来您打算border为拟合变量。
在 scipy 中拟合变量optimize例程（以及大多数“曲线拟合”上下文）需要连续浮点变量. Your border变量将用作索引的离散整数值x改变功能形式。拟合算法将首先选择一个值（假设为 5.0），然后对该值进行非常小的更改（假设为 5.0000002）。这不会改变两个功能形式之间的断点所在，并且拟合将决定border不会改变贴合度。我希望我知道解决这个问题的方法。