python使用5个点进行最小二乘拟合曲线

同样可以使用SciPy库中的`curve_fit`函数进行最小二乘拟合曲线。如果我们只有5个数据点，可以按照以下步骤进行：

import numpy as np
from scipy.optimize import curve_fit

# 定义拟合函数-二次函数
def quadratic_func(x, a, b, c):
    return a * x**2 + b * x + c

# 定义数据
x_data = np.array([1.0, 2.0, 3.0, 4.0, 5.0])
y_data = np.array([2.0, 4.5, 9.0, 15.5, 24.0])

# 进行最小二乘拟合
popt, pcov = curve_fit(quadratic_func, x_data, y_data)

# 输出拟合参数
print('a =', popt[0], 'b =', popt[1], 'c =', popt[2])

# 绘制拟合曲线
import matplotlib.pyplot as plt

plt.scatter(x_data, y_data)
x_range = np.linspace(0, 6, 100)  # 定义横坐标范围
plt.plot(x_range, quadratic_func(x_range, *popt), color='red')
plt.show()

在上面的代码中，我们定义了一个二次函数作为拟合函数`quadratic_func`。然后我们定义了一组数据点`(x_data, y_data)`，接着使用`curve_fit`函数进行最小二乘拟合，得到拟合参数`popt`和协方差矩阵`pcov`。最后我们使用Matplotlib库绘制出原始数据点和拟合曲线。