__init__ hat ein unerwartetes Schlüsselwortargument

Question

Ich versuche, dieses Skript für die Chemieforschung auszuführen.

Falls ich das Skript nicht kopiert haben ist richtig hier der Link zum Download der Dateien:
http://pubs.acs.org/doi/suppl/10.1021/acs.analchem.5b02258

Diese Anweisung kann hilfreich sein:

„fsolve_withPT.py nimmt zwei Befehlszeilenargumente : Eingabedatei Namen „MamPol2_titration_data.txt“ und Ausgabedateinamen von „Kaps_result.txt““

Wh en ich das Drehbuch auf ipython Ich erhalte diese Fehlermeldung führen:
__init__() got an unexpected keyword argument 'step_max'

#University of California San Francisco 
#Supplemental for 
# 
#A model for specific and nonspecific binding of ligand to multi-protein 
#complexes by native mass spectrometry 
# 
#Shenheng Guan, et al 
#2015 
# 

import sys 
import math 
import numpy 
import warnings 
from scipy.optimize import fsolve,fmin 
import matplotlib.pyplot as plt 
warnings.filterwarnings('ignore') 

input_fn='MamPol2_titration_data.txt' 
output_fn='Kaps_result1.txt' 
##input_fn=sys.argv[1] 
##output_fn=sys.argv[1] 

fid=open(input_fn,'r') 
line=fid.readline() 
line=line.strip('\n') 
no_mam=[float(x) for x in line.split('\t')[1:]] 
line=fid.readline() 
data=[] 
conc=[] 
for line in fid: 
line=line.strip('\n') 
tmp0=line.split('\t') 
conc.append(float(tmp0[0])) 
tmp1=[float(x) for x in tmp0[1:]] 
data.append(tmp1) 
fid.close() 

class fsolve_withPT: 
    def __init__(self,conc,data): 
     self.conc = conc 
     self.data = data 

    def ff(self, x, Kas, LT, PT):#x[0]:[P];x[1]:[PL]...;x[n]:[PLn];x[-1]:[L] n+2 (10) 
     fc=[] 
     for j in range(0,len(x)-2):#setup equilibrium equations 
      fc.append(Kas[j]*x[j]*x[-1]-x[j+1]) 

     #mass conservation for P 
     tmpP=0.0#[P] 
     for j in range(0,len(x)-1):#x[0] to x[8] or [P] to [PL8] 
      tmpP=tmpP+x[j] 
     fc.append(tmpP-PT)#PT equals to all P species combined 

     #mass conservation for L 
     tmpL=x[-1]#[L] 
     for j in range(1,len(x)-1): 
      tmpL=tmpL+j*x[j] 
     fc.append(tmpL-LT) 

     return fc 

    def error(self,w): 
     Kas=w[:-1] 
     PT=w[-1] 
     mySum=0.0 
     for m in range(0,len(self.conc)):#over conc (LT) 
      #print Kas,self.conc[m],PT 
      F=fsolve(self.ff, [1.0]*10, args=(Kas, self.conc[m], PT)) 
      myPT=sum(F[:-1]) 
      for k in range(0, len(no_mam)):#over # of Mam 
       mySum=mySum+(F[k]/myPT-self.data[m][k])**2 
     return mySum 

w0=[8,7,6,5,4,3,2,1,0] 
w0=numpy.array(w0) 
w0=w0*3.01e4 
w0[-1]=5.e-6 

myFclass=fsolve_withPT(conc,data) 

w, fopt, iter, funcalls, warnflag = fmin(myFclass.error, w0, maxiter=2000, 
             maxfun=2000, full_output=True,disp=True) 

# http://nullege.com/codes/show/src@n@u@Numdifftools-0.6.0@numdifftools@speed_comparison@run_benchmarks.py/73/numdifftools.Hessian 
import numdifftools as nd 
#my_step_nom=[1.0e3]*8+[1.0e-6]*1 
my_step_nom=w#*1.0e-3 
hessian = nd.Hessian(myFclass.error,step_max=1.0e-2,step_nom=my_step_nom)#, step_max=1.0, step_nom=numpy.abs(w)) 
H = hessian(w) 
covH=numpy.linalg.inv(H) 

conc0=conc#numpy.linspace(0.0,6.0E-05,num=101).tolist() 
y0=[] 
for tmp in conc0: 
F=fsolve(myFclass.ff, [1.0]*10, args=(w[:-1], tmp,w[-1])) 
y0.append(F) 
#y0=myFunc(conc0,w) 

fid=open(output_fn,'w') 
fid.write('Calculated complex conc. (M)\t'+str(w[-1])+'\n') 
fid.write('# of Mam in Complex\t') 
for j in no_mam: 
    fid.write(str(j)+'\t') 
    fid.write('\n') 
    fid.write('Associate constants (Kas)\t\t') 
for j in no_mam[:-1]: 
    fid.write(str(w[j])+'\t') 
    fid.write('\n') 
    fid.write('Mam Conc. (M)\tSimulated abundances\n') 
for k in range(0,len(y0)): 
    fid.write(str(conc0[k])+'\t') 
    yc=y0[k] 
tmp=sum(yc[:-1]) 
for j in range(0,len(yc)-2): 
    fid.write(str(yc[j]/tmp)+'\t') 
fid.write(str(yc[-2])+'\n') 
fid.close() 

from scipy import stats 
SS=fopt 
DF=len(data)*len(data[0])-len(w) 
t_factor=stats.t.ppf(0.95, DF) 

SE=[] 
dw=[] 

for j in range(0,len(w)): 
    SE.append(numpy.sqrt(SS/DF*numpy.abs(covH[j,j]))) 
for j in range(0,len(w)): 
    dw.append(SE[j]*t_factor) 

Answer 1

können Sie nicht diesen Code ausführen becuase Code der Zeitung nicht korrekt ist. Ich habe den Code sogar von dem Link heruntergeladen, den Sie gepostet haben, um sicherzustellen, dass ich den richtigen Code habe. Ich konnte deinen Fehler auch reproduzieren. Ich werde versuchen zu erklären, was vor sich geht und was Sie angesichts dessen tun könnten.

Der Fehler init() got an unexpected keyword argument 'step_max' bedeutet im Wesentlichen, dass der Code python sagt, ein Objekt mit einigen Anfangsparametern zu erstellen, aber Python erkennt das Feld "step_max" nicht.

Die Linie Täter im Code ist

hessian = nd.Hessian(myFclass.error,step_max=1.0e-2,step_nom=my_step_nom) 

Sie sehen also versucht, Python zu sagen, ein nd.Hessian Objekt gegeben drei Anfangsparameter zu erstellen: myFclass.error, step_max = 1.0E-2 und step_nom = my_step_nom. Das Problem hierbei ist, dass der Initiator "nd.Hessian" keine Parameter namens step_max und step_nom verwendet.

Also, was macht der nd.Hessian Initialisierer? nd.Hessian ist das hessische Objekt aus dem Paket numdifftools, also habe ich mir den Quellcode angesehen. Sicher genug, das ist der Quellcode für eine nd.Hessian Objekt initialisiert wird:

class Hessian(_Derivative): 
    def __init__(self, f, step=None, method='central', full_output=False): 

Werfen Sie einen Blick auf die __init__. Sie können sehen, dass es f, step, method und full_output dauert. Wenn sie step_max und step_nom aufgenommen hätte, wären diese Felder in die __init__ aufgenommen worden.

Eine Option besteht darin, zu versuchen, das np.Hessian-Objekt korrekt zu verwenden und den step-Parameter zu verwenden und herauszufinden, welchen Schritt Sie verwenden möchten.

Zum Beispiel, wenn Sie ersetzen die

hessian = nd.Hessian(myFclass.error,step_max=1.0e-2,step_nom=my_step_nom) 

mit

hessian = nd.Hessian(myFclass.error,step=1.0e-2) 

können Sie den Code auszuführen. Es kann nicht die gleichen Ergebnisse wie das Papier, aber Sie werden nie wirklich wissen, welchen genauen Code sie ausgeführt haben, um ihre Ergebnisse zu erhalten.

Wenn Sie diesen Code weiter verwenden und das Paket numdifftools verwenden möchten, sollten Sie einen Blick auf die source code werfen, die nette Erklärungen, Kommentare und Beispiele enthält.