python计算两个曲线的拟合度R2，不用sklearn库

若不使用`sklearn`库，你可以使用`numpy`库来计算两个曲线的拟合度R^2。以下是一个示例代码：

import numpy as np

# 两个曲线的数据点
y_true = np.array([1, 2, 3, 4, 5])
y_pred = np.array([1.2, 2.3, 2.8, 4.1, 5.2])

# 计算拟合度R^2
mean_y_true = np.mean(y_true)
ss_total = np.sum((y_true - mean_y_true)**2)
ss_residual = np.sum((y_true - y_pred)**2)
r2 = 1 - (ss_residual / ss_total)

print("R^2:", r2)

在上述代码中，`y_true`是真实的数据点，`y_pred`是预测的数据点。你需要将其替换为你实际的数据。代码通过计算总平方和（`ss_total`）和残差平方和（`ss_residual`），然后根据公式 R^2 = 1 - (ss_residual / ss_total) 计算得到拟合度R^2的值。

运行上述代码后，将输出拟合度R^2的值。

请注意，R^2 取值范围是 [0, 1]，越接近1表示拟合度越好。

希望对你有所帮助！如有任何问题，请随时提问。