IndexError：在 scipy 函数中使用 pandas .ix 的索引越界错误

Question

在以下代码部分中，我继续遇到索引越界错误，我终其一生都无法弄清楚原因（该站点上的任何链接都没有帮助我）。我想要做的是将我的 scipy curve_fit 函数 (Func) 应用于 x_data 和 y_data 中的每一行数据以获取 a、b、c 和 d 拟合参数。谁能看到我做错了什么？谢谢！

import pandas as pd
from scipy.optimize import curve_fit
import numpy as np
import math

#my function
def Func(x_data,a,b,c,d):
    return np.multiply((np.multiply((a+cols), b)),
           (x_data.ix[i]/math.pi))+np.multiply((c+cols), d)

#create dummy dataframe
index=pd.date_range('2017-01-01','2017-03-01', freq='D')
columns=['1.234','2.345','3.456','4.567','5.678','6.789']

data1 = np.random.rand(60,6)
data2 = np.random.rand(60,6)

x_data=pd.DataFrame(data1, index=index, columns=columns)
y_data=pd.DataFrame(data2, index=index, columns=columns)

#values for function
cols=np.array(x_data.columns.values).astype(np.float)   

#Apply function to each row of x_data and y_data and append to empty array
data_popt=[]
data_perr=[]
for i, j in zip(range(0, len(x_data)), range(0, len(y_data))):
    popt, pcov = curve_fit(Func,x_data.ix[i],y_data.ix[j])
    data_popt.append(popt)
    perr=np.sqrt(np.diag(pcov))
    data_perr.append(perr)
    index=x_data.index
    columns1=['a','b','c','d']
    columns2=['a_err','b_err','c_err','d_err']
data_popt=pd.DataFrame(data_popt, index=index, columns=columns1)
data_perr=pd.DataFrame(data_perr, index=index, columns=columns2)

附：我正在使用 python v 2.7.12 和 pandas/scipy v 0.18.1

Answer 1

该错误是在

中的第七次迭代 (i=6) 中产生的

popt, pcov = curve_fit(Func,x_data.ix[i],y_data.ix[j])

正在评估Func

#my function
def Func(x_data,a,b,c,d):
    return np.multiply((np.multiply((a+cols), b)),
           (x_data.ix[i]/math.pi))+np.multiply((c+cols), d)

问题是 x_data.ix[i]，因为传递给 Func 的 x_data 是 6x1 但 i=6。

我猜你忘记了你已经将一行传递给Func，因此你不应该进一步分割它，即定义

#my function
def Func(x_data,a,b,c,d):
    return np.multiply((np.multiply((a+cols), b)),
           (x_data/math.pi))+np.multiply((c+cols), d)

---

同样尝试运行这个，迟早你会得到RuntimeError: Optimal parameters not found: Number of calls to function has reached maxfev = 1000.因此你需要增加maxfev即

popt, pcov = curve_fit(Func,x_data.ix[i],y_data.ix[j], maxfev=10000)