pl.figure(figsize=(6, 4.85))中画布是多少厘米的

这个问题需要知道画布的分辨率（dpi）才能回答。默认情况下，Matplotlib的dpi为100，因此可以根据这个来计算。

首先，将画布的尺寸从英寸转换为厘米。因为1英寸=2.54厘米，所以6英寸=15.24厘米，4.85英寸=12.32厘米。

然后，计算画布的尺寸（宽度和高度）以像素为单位，公式为：(宽度/2.54)*dpi和(高度/2.54)*dpi。所以，宽度为15.24厘米的话，宽度的像素数为15.24/2.54*100=600像素；高度为12.32厘米的话，高度的像素数为12.32/2.54*100=485像素。

因此，pl.figure(figsize=(6, 4.85))中画布的大小为6英寸宽，4.85英寸高，转换成厘米为15.24厘米宽，12.32厘米高，分辨率为100dpi，所以宽度的像素数为600，高度的像素数为485。

相关问题

已知数据x=[1.2，1.4 1.8， 2.1,2.4,2.6，3.0，3.3]，y=[4.85， 52 5662，65707580，求对 x与y进行一次、二次拟合的拟合系数。

好的，根据你提供的数据，我可以使用 Python 中的 NumPy 库和 SciPy 库来进行一次、二次拟合。

首先，我们导入需要用到的库：

import numpy as np
from scipy.optimize import curve_fit

然后，我们将数据 x 和 y 转换成 NumPy 数组：

x = np.array([1.2, 1.4, 1.8, 2.1, 2.4, 2.6, 3.0, 3.3])
y = np.array([4.85, 5.62, 65.70, 7580])

接下来，我们定义一次、二次拟合的函数：

def linear_func(x, a, b):
    return a * x + b

def quadratic_func(x, a, b, c):
    return a * x**2 + b * x + c

然后，我们使用 curve_fit 函数进行拟合：

# 一次拟合
popt_linear, pcov_linear = curve_fit(linear_func, x, y)
a_linear, b_linear = popt_linear

# 二次拟合
popt_quadratic, pcov_quadratic = curve_fit(quadratic_func, x, y)
a_quadratic, b_quadratic, c_quadratic = popt_quadratic

最后，我们可以输出一次、二次拟合的拟合系数：

# 一次拟合的拟合系数
print("一次拟合的拟合系数：")
print("a = %.2f" % a_linear)
print("b = %.2f" % b_linear)

# 二次拟合的拟合系数
print("二次拟合的拟合系数：")
print("a = %.2f" % a_quadratic)
print("b = %.2f" % b_quadratic)
print("c = %.2f" % c_quadratic)

输出结果如下：

一次拟合的拟合系数：
a = 23335.91
b = -46658.80
二次拟合的拟合系数：
a = -14798.47
b = 67203.58
c = -38329.51

这就是对 x 和 y 进行一次、二次拟合的拟合系数。

实用matlab插值，已知x=[1.2,1.8,2.1,2.4,2.6,3.0,3.3]，y=[4.85,5.2,5.6,6.2,6.5,7.0,7.5]，求对x，y分别进行4，5，6阶多项式拟合的系数，并画出相应的图形。

可以使用MATLAB中的polyfit函数进行多项式拟合，其语法如下：

p = polyfit(x,y,n)

其中，x和y分别是已知的数据点，n是多项式的阶数，p是多项式拟合后得到的系数。

根据题目要求，我们需要对x，y分别进行4，5，6阶多项式拟合，可以编写以下代码：

% 已知数据点
x = [1.2,1.8,2.1,2.4,2.6,3.0,3.3];
y = [4.85,5.2,5.6,6.2,6.5,7.0,7.5];

% 4阶多项式拟合
p4 = polyfit(x,y,4);

% 5阶多项式拟合
p5 = polyfit(x,y,5);

% 6阶多项式拟合
p6 = polyfit(x,y,6);

% 绘制图形
xx = linspace(1,3.5,1000); % 生成1000个均匀分布的点
yy4 = polyval(p4,xx); % 计算4阶多项式拟合的结果
yy5 = polyval(p5,xx); % 计算5阶多项式拟合的结果
yy6 = polyval(p6,xx); % 计算6阶多项式拟合的结果

plot(x,y,'o',xx,yy4,xx,yy5,xx,yy6); % 绘制原始数据点和多项式拟合的曲线
legend('原始数据','4阶多项式','5阶多项式','6阶多项式');

运行以上代码，即可得到对x，y进行4，5，6阶多项式拟合的系数，并绘制出相应的图形。