二次函数拟合python

在Python中，二次函数拟合通常用于数据分析，特别是在需要最小化数据点与其预测值之间误差的情况下。最常见的是使用numpy库中的polyfit函数，它基于最小二乘法来找到一个二次多项式（形式如y = ax^2 + bx + c）的最佳拟合线。以下是简单的步骤：

import numpy as np

# 假设你有x和y的数据
x_data = [1, 2, 3, 4, 5]
y_data = [1, 4, 9, 16, 25]

# 拟合二次函数
degree = 2  # 因为我们想要的是二次方程
coefficients = np.polyfit(x_data, y_data, degree)

# 计算得到的二次函数表达式
quadratic_func = np.poly1d(coefficients)

# 打印系数 (a, b, c)
print("二次函数系数:", coefficients)

# 输出预测的y值
x_values_for_prediction = np.linspace(min(x_data), max(x_data), 100)  # 创建新的x值范围
predicted_y_values = quadratic_func(x_values_for_prediction)