NumPy :np.polyfit()与np.poly1d()将点拟合成曲线

polyfit函数可以使用最小二乘法将一些点拟合成一条曲线.

numpy.polyfit(x, y, deg, rcond=None, full=False, w=None, cov=False)
	x:要拟合点的横坐标
	y:要拟合点的纵坐标
	deg:自由度.例如:自由度为2,那么拟合出来的曲线就是二次函数,自由度是3,拟合出来的曲线就是3次函数

numpy.polyfit返回的结果是一个包含系数的数组，这个数组可以被numpy.poly1d，使用
示例如下：
构建一个x2 + 2*x + 3的多项式：
p = np.poly1d([1, 2, 3])
print np.poly1d(p)
输出：
   2
1 x + 2 x + 3
输入一个未知数的值，可得结果：
p(0.5)
输出：
4.25

首先我们先来构造一下需要被拟合的散点

x = np.arange(-1, 1, 0.02)
y = 2 * np.sin(x * 2.3) + np.random.rand(len(x))

然后打印一下看看

plt.scatter(x, y)
plt.show()

然后用polyfit函数来把这些点拟合成一条3次曲线

parameter = np.polyfit(x, y, 3)

输出的结果为3次方程的参数,我们可以像下面这样把方程拼接出来

y2 = parameter[0] * x ** 3 + parameter[1] * x ** 2 + parameter[2] * x + parameter[3]

将拟合后的结果打印一下

plt.scatter(x, y)
plt.plot(x, y2, color='g')
plt.show()

还可以使用poly1d()函数帮我们拼接方程,结果是一样的

p = np.poly1d(parameter)
plt.scatter(x, y)
plt.plot(x, p(x), color='g')
plt.show()