使用 numpy 包进行最小二乘拟合
1.使用 np.polyfit() 函数对数据进行多项式拟合，分别拟合为一次、二次和三次多项式，得到拟合系数。2.使用 np.poly1d() 函数根据拟合系数创建多项式对象。
3.打印出三个多项式对象。
4.生成一组新的 x 值，在指定范围内均匀分布。
5.使用多项式对象计算对应的 y 值。
6.使用 plt.scatter() 绘制原始数据点，使用 plt.plot() 绘制拟合曲线，并添加图例。
7.最后，显示图形。
这段代码将原始数据拟合为一次、二次和三次多项式，并在同一图中展示了拟合曲线。
当你执行这段代码时，它会进行以下操作：
1.导入所需库：
import matplotlib.pyplot as plt
import numpy as np
2.定义源数据：
x = np.array()
y = np.array()
这里 x 和 y 分别是输入数据的 x 和 y 值，用于进行多项式拟合。
3.多项式拟合： z1 = np.polyfit(x, y, 1)
z2 = np.polyfit(x, y, 2)
z3 = np.polyfit(x, y, 3)使用 np.polyfit() 函数对数据进行多项式拟合，分别拟合为一次、二次和三次多项式，并返回拟合系数。
4.创建多项式对象： p1 = np.poly1d(z1)
p2 = np.poly1d(z2)
p3 = np.poly1d(z3)
使用 np.poly1d() 函数根据拟合系数创建多项式对象，这样可以方便地对多项式进行计算。
5.打印多项式对象： print('p1 =\n', p1)
print('p2 =\n', p2)
print('p3 =\n', p3)
打印出三个多项式对象，分别对应一次、二次和三次多项式。
6.生成新的 x 值： x1 = np.linspace(-2, 7, 100)使用 np.linspace() 函数生成了一组新的 x 值，在范围从 -2 到 7 之间均匀分布，用于绘制拟合曲线。
7.计算对应的 y 值： y1 = p1(x1)
y2 = p2(x1)
y3 = p3(x1)使用多项式对象 p1、p2 和 p3 计算了对应于新 x 值的 y 值。
8.绘制图形： plt.scatter(x, y)
plt.plot(x1, y1, label='linear')
plt.plot(x1, y2, label='quadratic')
plt.plot(x1, y3, label='cubic')
plt.legend()使用 plt.scatter() 绘制原始数据点，使用 plt.plot() 绘制拟合曲线，并添加图例，标记不同曲线对应的多项式阶数。
9.显示图形： plt.show()最后，显示绘制的图形。
这样，你就能够看到原始数据点以及拟合的一次、二次和三次多项式曲线，并对其进行比较。
页:
[1]