您提供的数据集包含了 x 和 y 的数值对。如果您需要进行样条光滑拟合来拟合这些数据,可以使用以下步骤:
1. 导入所需的库和模块。例如,可以使用 Python 的 NumPy 和 matplotlib 库。
2. 创建 x 和 y 的数组,并将数据填充到相应的数组中。
3. 使用 scipy.interpolate 模块中的 spline 函数来进行样条光滑拟合。可以指定拟合的次数或选择默认的样条次数。
4. 绘制原始数据和拟合曲线的散点图和曲线图,以可视化拟合结果。
下面是一个简单的 Python 代码示例,展示了如何进行样条光滑拟合:
```python
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import spline
# 创建 x 和 y 数组
x = np.array([51.06, 51.36, 51.66, 51.96, 52.26, 52.56, 52.86, 53.16, 53.46, 53.76,
54.06, 54.35, 54.65, 54.95, 55.25, 55.55, 55.85, 56.15, 56.45, 56.75,
57.05, 57.35, 57.65, 57.94, 58.24, 58.54, 58.84, 59.14, 59.44, 59.74,
60.04, 60.34, 60.64, 60.94])
y = np.array([1615.26, 1630.18, 1678.08, 1708.63, 1746.93, 1810.04, 1844.46, 1867.12,
1919.33, 1933.67, 1978.56, 2032.35, 2070.21, 2110.23, 2170.32, 2221.67,
2270.58, 2325.94, 2392.92, 2406.97, 2455.02, 2485, 2509.38, 2557.14,
2622.4, 2653.24, 2702.29, 2732.84, 2814.3, 2847.58, 2878.27, 2914.99,
2966.34, 3004.92])
# 进行样条光滑拟合
x_smooth = np.linspace(x.min(), x.max(), 200) # 创建平滑的 x 值
y_smooth = spline(x, y, x_smooth) # 使用样条光滑拟合
# 绘制原始数据和拟合曲线的散点图和曲线图
plt.scatter(x, y, color='blue', label='原始数据')
plt.plot(x_smooth, y_smooth, color='red', label='拟合曲线')
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()
```
上述代码将绘制原始数据的散点图和样条光滑拟合曲线的曲线图。您可以根据需要调整代码,以满足您的具体需求。