Python 曲线拟合

在 Python 中，有许多库可以用来进行曲线拟合。其中比较常用的是 NumPy 和 SciPy 库。下面介绍一种基于 SciPy 库的曲线拟合方法。

首先，需要导入 numpy 和 scipy 库：

import numpy as np
from scipy.optimize import curve_fit

然后，定义一个函数来表示要拟合的曲线。例如，假设要拟合的曲线是一个二次函数：

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

其中，x 是自变量，a、b、c 是要拟合的参数。

接下来，准备数据。假设有一组 x 和 y 的数据：

x_data = np.array([0, 1, 2, 3, 4, 5])
y_data = np.array([1.1, 2.3, 3.5, 4.7, 5.9, 7.1])

然后，调用 curve_fit 函数进行曲线拟合：

popt, pcov = curve_fit(func, x_data, y_data)

其中，popt 是拟合出的参数，pcov 是协方差矩阵。

最后，可以用拟合出的参数来绘制拟合曲线：

import matplotlib.pyplot as plt

x_fit = np.linspace(0, 5, 100)
y_fit = func(x_fit, *popt)
plt.plot(x_fit, y_fit, 'r-', label='fit')
plt.scatter(x_data, y_data, label='data')
plt.legend()
plt.show()

这样就完成了曲线拟合，并且将拟合曲线和原始数据绘制在同一张图上。