我最近一直在使用Mathematica来处理我的数据。我有一种方法，可以从来自静态接收器的4个或更多距离测量值（也是X，Y坐标）中计算X，Y坐标。
我使用mathematica函数来最有效地处理我所拥有的数据：

NonlinearModelFit[data, Norm[{x, y} - {x0, y0}], {x0, y0}, {x, y},
                  Weights -> 1/distances, Method->"LevenbergMarquardt"]

在哪里

data = {{548189.217202, 5912779.96059, 93}, {548236.967784, 5912717.80716, 39},
        {548359.406452, 5912752.54022, 88}, {548358.636206, 5912690.89573, 97}};

distances = {93, 39, 88, 97};

x0，y0是它找到的解
上面的mathematica输出为：

FittedModel[{"Nonlinear", {x0 -> 548272.0043962265,
                           y0 -> 5.912735710367113*^6},
            {{x, y}, Sqrt[Abs[x - x0]^2 + Abs[y - y0]^2]}},
            {{1/93, 1/39, 1/88, 1/97}}, {{548189.217202, 5.91277996059*^6, 93},
            {548236.967784, 5.91271780716*^6, 39},
            {548359.406452, 5.91275254022*^6, 88},
            {548358.636206, 5.91269089573*^6, 97}},
            Function[Null, Internal`LocalizedBlock[{x, x0, y, y0}, #1], {HoldAll}]]

x0, y0是我的解决方案。
所以我不是在拟合曲线，而是在拟合一个点（权重与距离成反比）。我在谷歌上四处寻找，但根本不确定从哪里开始使用scipy函数scipy.optimize.leastsq算法来引入加权功能...
那么，如果mathematica能做到这一点，我为什么还要这样做呢？从python代码调用mathematicascript（使用子进程模块）对于我想用实时数据做的事情来说太慢了，所以我想尝试用python重写，看看速度是否可以提高。