Scipy 优化curve_fit、sigma 和约束曲线问题

问题描述

我正在尝试使用 curve_fit 用函数插入一些数据点。我知道我的序列的第一个和最后一个点根据定义是正确的，因此希望插值曲线传递它们。

我有多个分布要插入保存为列表列表（因此是 for 循环）。

我在网上读到，明确降低第一点和最后一点的不确定性 (sigma) 是一个很好的解决方法，可以迫使分布更接近这两点。

for i in range(len(data)):
    sigma = np.ones(len(x_range))
    sigma[[0,-1]] = 0.01
    
    popt,cov = curve_fit(exponential,x_range,time_points[i],sigma=sigma)

问题是运行此代码会返回以下错误：

`sigma` has incorrect shape.

有谁知道正确的形状是什么？文档说它应该是一维向量，确实如此。

我错过了什么吗？ 是否有更优雅的解决方案来强制插值曲线通过特定点？

谢谢

------------------------------ 编辑

上面的代码有效并且这个想法是合理的。我在另一段代码中有错误。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）