爲什麼我收到此錯誤消息「UnboundLocalError：局部變量'sigma_opt'在賦值之前引用了」

我有一個數據集遵循對數正態分佈。如果我將y值與semilog-x軸上的x值進行比較，則分佈將顯示爲高斯。同樣，如果我將數據集中每個值的對數進行排序，並將它們繪製到log（x）域，則分佈將顯示爲高斯（但由於該域上log（x）值的線性間隔較寬而更好）。我的代碼試圖通過優化參數mu和sigma（因爲對數正態分佈的平均值不等於正態分佈的平均值）來最小化上述三個表示中的數據集的卡方。我的問題不是卡方最小化（適用於這些表示的2/3），而是我的代碼的一個特定部分的語法。爲什麼我收到此錯誤消息「UnboundLocalError：局部變量'sigma_opt'在賦值之前引用了」

爲了簡化代碼，我使用函數參數pickdist來表示正在處理哪個分佈。在下面的代碼中，2表示y與semilog（x）的表示，3表示y對log（x）表示，optpar2和optpar3是先前從代碼（未示出）計算的參數，並且表示mu和sigma的優化值爲分配。

def distribGS(pickdist, x): 
    if pickdist == 2: 
     mu_opt, sigma_opt = optpar2 
    elif pickdist == 3: 
     mu_opt, sigma_opt = optpar3 
    cnorm = 1/ (sigma_opt * (2 * pi)**(1/2)) 
    return [((cnorm * exp((-1) * (x[index] - mu_opt)**2/(2 * (sigma_opt **2))))) for index in range(len(x))]

此代碼嘗試的原因是繪製這種適合的數據與實際數據的（標準化）直方圖。

UnboundLocalError: local variable 'sigma_opt' referenced before assignment

我覺得這真是奇怪，因爲sigma_opt只是內部定義的一些功能，但沒有全局定義：然而，當我運行讀取的代碼我得到一個錯誤。 我已經閱讀過關於這個錯誤信息的其他文章，但沒有一篇適用於我的案例。爲什麼我收到此錯誤消息？（我會發布整個代碼，但它是350+行）

來源

2017-03-17 mikey

當'pickdist'既不是2又不是3時會發生什麼？ –

我還沒有寫出一個升值錯誤聲明。我可以先調試主要部件後做到這一點。 – mikey

我看到你沒有明白我的觀點。當你將不同的2或3傳遞給這個函數時，你會得到一個'UnboundLocalError'。 'sigma_opt'只在if/elif中被賦值，所以當沒有條件滿足時，它不會被賦值**。 –

你得到這個錯誤的原因是因爲如果你用不同於2或3的'pickdist'屬性調用'distribGS'函數'sigma_opt'第一。

你可以做的是在你的函數開始時將'sigma_opt'變量賦值給某個默認值，或者使用'else'語句給它賦值默認值。例如

def distribGS(pickdist, x): 
    mu_opt, sigma_opt = 0 
    if pickdist == 2: 
     mu_opt, sigma_opt = optpar2 
    elif pickdist == 3: 
     mu_opt, sigma_opt = optpar3 
    cnorm = 1/ (sigma_opt * (2 * pi)**(1/2)) 
    return [((cnorm * exp((-1) * (x[index] - mu_opt)**2/(2 * (sigma_opt **2))))) for index in range(len(x))

來源

2017-03-17 09:59:15

爲什麼我收到此錯誤消息「UnboundLocalError：局部變量'sigma_opt'在賦值之前引用了」

回答

相關問題