18个点拟合曲线Python

在Python中，我们可以使用多种库来拟合曲线，其中一个常见的方法是使用`numpy`和`scipy.optimize`模块，特别是`curve_fit`函数，它基于非线性最小二乘法对数据进行拟合。假设我们有18个点的数据，每个点包含x值和y值，你可以这样做：

import numpy as np
from scipy.optimize import curve_fit

# 假设我们有18个点的数据 (x_data, y_data)
x_data = ... # list or array of x-coordinates
y_data = ... # list or array of y-coordinates

# 定义一个简单的函数模型（例如线性、二次或者其他复杂函数）
def func(x, a, b):  # 这里a和b是拟合参数
    return a * x + b

# 使用curve_fit函数拟合数据
params, _ = curve_fit(func, x_data, y_data)

# 拟合后的参数
a, b = params

# 现在你可以用拟合参数来预测新的x值对应的y值
x_new = np.linspace(min(x_data), max(x_data), 100)  # 新的x范围
y_new = func(x_new, a, b)

# 可视化结果
import matplotlib.pyplot as plt
plt.scatter(x_data, y_data, label='data')
plt.plot(x_new, y_new, 'r-', label='fit')
plt.legend()
plt.show()