如何利用polyfit 函数进行多项式拟合

在 Python 中，可以使用 NumPy 库的 polyfit 函数进行多项式拟合。该函数的语法如下：

numpy.polyfit(x, y, deg, rcond=None, full=False, w=None, cov=False)

其中，x 和 y 是两个具有相同长度的数组，表示数据点的 x 和 y 坐标；deg 表示多项式的阶数；rcond、full、w、cov 是可选参数，分别表示奇异值截断的阈值、是否返回附加信息、数据点的权重和是否返回协方差矩阵。

例如，假设我们有以下数据点：

import numpy as np

x = np.array([0, 1, 2, 3, 4, 5])
y = np.array([1, 3, 2, 5, 7, 8])

我们希望用一个二次多项式拟合这些数据，可以这样调用 polyfit 函数：

coeffs = np.polyfit(x, y, 2)

这将返回一个长度为 3 的数组，分别表示二次多项式的系数。我们可以将其转换为一个多项式函数：

p = np.poly1d(coeffs)

现在，我们可以用这个多项式函数在 x 轴上生成一些点，并将其与原始数据一起绘制出来，看看拟合效果如何：

import matplotlib.pyplot as plt

xp = np.linspace(0, 5, 100)
plt.plot(x, y, 'o', xp, p(xp), '-')
plt.show()

这将生成一个包含原始数据和多项式拟合曲线的图形。