python多项式拟合固定截距

在Python中，我们可以使用`numpy`和`scipy`库来进行多项式拟合，特别是当需要固定截距（即常数项）时。这里以线性和二次多项式为例：

import numpy as np
from scipy.optimize import curve_fit

# 定义固定截距的线性函数模板
def linear_function(x, a):
    return a * x + b  # 固定b=0，因为题目要求固定截距

# 假设我们有数据点(x_data, y_data)
x_data = np.array([1, 2, 3, 4, 5])
y_data = np.array([2, 4, 6, 8, 10])

# 初始化截距值b，假设为0，然后进行拟合
a_initial = 1  # 初始猜测的斜率
popt, _ = curve_fit(linear_function, x_data, y_data, p0=[a_initial, 0])  # 第二个参数p0指定了b的初始值

# 得到的popt是一个数组，第一个元素是斜率a，第二个元素是固定的截距b
print("拟合后的线性方程为: y =", popt, "x +", popt)

# 类似地，对于二次多项式，你可以修改模板函数和设置适当的初始值
def quadratic_function(x, a, c):
    return a * x**2 + b * x + c  # 这里同样先固定b=0和c=0

# 然后按照同样的方式对二次函数进行拟合