有三组不同的数组数组，用emcee库且同时用3个分段线性函数（它们具有相同的拐折点，不同的斜率）拟合这三个不同的二维数组，并画出图。

在Python中，你可以使用`emcee`库（一个基于Markov Chain Monte Carlo (MCMC)方法的包，常用于做统计建模）来拟合三个不同的二维数组。假设我们已经有了三个二维数据集`array1`, `array2`, 和 `array3`，以及已知的三个拐折点`(x1, y1)`, `(x2, y2)`, `(x3, y3)`，我们可以按照以下步骤操作：

1. **导入必要的库**：

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import emcee

2. **定义分段线性函数**：

def linear_segment(x, slope, intercepts):
    segments = [slope[i] * x + intercepts[i] for i in range(len(slopes))]
    return np.piecewise(x, [(x < x1), (x1 <= x < x2), (x2 <= x)], segments)

这里`slopes`和`intercepts`是拟合模型的参数列表。

3. **准备数据并拟合每个数组**：

# 假设x轴数据相同，对于每个数组分别计算拟合参数
x_data = ...  # 你需要提供x轴的数据
p0 = ...     # 初始猜测的参数值，例如[0, 0, 0, 0, 0]表示三个斜率和两个截距

for i, array in enumerate([array1, array2, array3]):
    popt, _ = curve_fit(linear_segment, x_data, array, p0=p0)
    slopes[i], intercepts[i] = popt[:len(p0)//2], popt[len(p0)//2:]

4. **创建并展示拟合结果**：

fig, axs = plt.subplots(nrows=1, ncols=3, figsize=(15, 5))
for ax, data, opt_slopes, opt_intercepts in zip(axs.flat, [array1, array2, array3], slopes, intercepts):
    ax.plot(x_data, linear_segment(x_data, opt_slopes, opt_intercepts), label='Fit')
    ax.scatter(data[:, 0], data[:, 1], color='k', marker='o', label='Data')
    ax.set_title(f"Array {i+1}")
    ax.legend()
plt.tight_layout()

这将显示每个数组及其对应的分段线性拟合曲线。