python 对x,y作图，并且在0-10,10-20，20-100的区域段进行线性拟合，并将拟合曲线作图，并且输出拟合公式和拟合优度 代码

以下是一个示例代码，使用了 matplotlib 和 numpy 库来实现对 x, y 数据的作图和线性拟合：

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
x = np.linspace(0, 100, 100)
y = np.random.rand(100) * 100

# 分段线性拟合
x_ranges = [[0, 10], [10, 20], [20, 100]]
fit_results = []
for x_range in x_ranges:
    mask = np.where((x >= x_range[0]) & (x < x_range[1]))[0]
    x_subset, y_subset = x[mask], y[mask]
    params = np.polyfit(x_subset, y_subset, 1)
    fit_results.append(params)

# 绘图
plt.scatter(x, y, label='data')
for i, x_range in enumerate(x_ranges):
    mask = np.where((x >= x_range[0]) & (x < x_range[1]))[0]
    x_subset = x[mask]
    y_fit = np.polyval(fit_results[i], x_subset)
    plt.plot(x_subset, y_fit, label=f'{x_range[0]}-{x_range[1]} fit')
plt.legend()

# 输出拟合公式和拟合优度
for i, fit_result in enumerate(fit_results):
    r = np.corrcoef(y[x_ranges[i][0]:x_ranges[i][1]], np.polyval(fit_result, x[x_ranges[i][0]:x_ranges[i][1]]))[0][1]
    print(f'Fit {x_ranges[i][0]}-{x_ranges[i][1]}: y = {fit_result[0]:.2f}x + {fit_result[1]:.2f}, r = {r:.2f}')

该代码会生成一个散点图，并在不同的区间段内进行线性拟合，并输出拟合公式和拟合优度。您可以根据自己的数据和要求进行修改。