利用Python 最小二乘法五次多项式拟合二元函数数据

首先，你需要导入 `numpy` 和 `matplotlib` 库，用于数据处理和绘图。然后，你需要准备一组二元函数数据，可以将其存储为两个数组，分别代表自变量和因变量。接下来，你可以使用 `numpy` 库中的 `polyfit` 函数来进行最小二乘法拟合。该函数的第一个参数为自变量数据，第二个参数为因变量数据，第三个参数为多项式次数。例如，如果你想进行五次多项式拟合，可以将第三个参数设置为 5。最后，你可以使用 `numpy` 库中的 `poly1d` 函数来生成拟合多项式函数，并使用 `matplotlib` 库中的 `plot` 函数来绘制拟合曲线。以下是一段示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 准备数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 5, 10, 17, 26])

# 进行五次多项式拟合
z = np.polyfit(x, y, 5)
p = np.poly1d(z)

# 绘制拟合曲线
xp = np.linspace(1, 5, 100)
plt.plot(x, y, '.', xp, p(xp), '-')
plt.show()

在上面的代码中，我们将自变量数据存储在 `x` 数组中，将因变量数据存储在 `y` 数组中。然后，我们使用 `np.polyfit(x, y, 5)` 函数进行五次多项式拟合，将拟合结果存储在 `z` 数组中。接着，我们使用 `np.poly1d(z)` 生成拟合多项式函数，并将自变量数据 `xp` 代入该函数计算因变量数据，得到拟合曲线上的点，然后使用 `plt.plot(x, y, '.', xp, p(xp), '-')` 绘制原始数据点和拟合曲线。最后，使用 `plt.show()` 函数显示绘图结果。