python怎么拟合曲线并显示拟合方程

在Python中，我们可以使用科学计算库如`scipy`中的`curve_fit`函数来拟合数据，并使用`matplotlib`来绘制图表和显示拟合方程。这里是一个基本的例子：

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

# 假设我们有数据点
x_data = np.linspace(0, 10, 50)
y_data = 2 * x_data ** 2 + 3 * x_data + 1 + np.random.normal(0, 2, 50)  # 示例数据

# 定义我们要拟合的函数模型，这里是二次函数
def func(x, a, b, c):
    return a * x**2 + b * x + c

# 使用curve_fit进行拟合
params, _ = curve_fit(func, x_data, y_data)

# 计算拟合结果
fit_y = func(x_data, params[0], params[1], params[2])

# 绘制原始数据和拟合线
plt.figure()
plt.scatter(x_data, y_data, label='Original data')
plt.plot(x_data, fit_y, 'r-', label='Fitted line', linewidth=2)
plt.legend()

# 显示拟合方程（如果需要可以手动输入方程）
equation_string = f"y = {params[0]:.2f}x^2 + {params[1]:.2f}x + {params[2]:.2f}"
plt.title(f"Fitted equation: {equation_string}")

plt.show()

在这个例子中，我们首先定义了数据点和一个简单的函数模型，然后使用`curve_fit`找到最佳的参数值来拟合数据。最后，我们将拟合后的数据和原数据一起画出来，同时展示了对应的拟合方程。