python线性拟合多条直线

要进行python线性拟合多条直线，可以使用最小二乘法来实现。首先，需要定义一个线性回归函数，用于计算每条直线的斜率和截距。然后，根据给定的数据点集，调用线性回归函数来计算每条直线的斜率和截距。最后，根据得到的斜率和截距，绘制出相应的直线。

下面是实现的代码：

import numpy as np
import matplotlib.pyplot as plt

# 定义线性回归函数
def linear_regression(x, y):
    N = len(x)
    sumx = sum(x)
    sumy = sum(y)
    sumx2 = sum(x**2)
    sumxy = sum(x*y)
    A = np.mat([[N, sumx], [sumx, sumx2]])
    b = np.array([sumy, sumxy])
    return np.linalg.solve(A, b)

# 定义数据点集
X = np.array([0, 1.34, 2.25, 4.67, 7.2, 9.6, 12.79, 15.61])
Y = np.array([0, 12.5, 25, 50, 100, 200, 400, 800])

# 定义要拟合的直线数量
num_lines = 3

# 进行线性拟合
lines = []
for i in range(num_lines):
    start_index = i * len(X) // num_lines
    end_index = (i + 1) * len(X) // num_lines
    x_subset = X[start_index:end_index]
    y_subset = Y[start_index:end_index]
    a, b = linear_regression(x_subset, y_subset)
    lines.append((a, b))

# 绘制拟合直线
_X = np.arange(0, 20, 0.01)
plt.figure(figsize=(10, 6))
plt.plot(X, Y, 'o', markersize=10, label='数据点')
for line in lines:
    _Y = np.array([line[0] + line[1] * x for x in _X])
    plt.plot(_X, _Y, linewidth=2, label='拟合直线')

plt.legend(fontsize=16, frameon=False)
plt.show()