python——最小二乘法和线性拟合

         看案例

         我们知道金属电阻率是温度的函数，设金属的电阻温度系数为，金属样品在时的电阻为,则其电阻随温度变化的关系可为

    根据实验所测的的物理量，采用拟合的方法求解出和。

0	4.38	70	5.58	140	6.74
10	4.56	80	5.74	150	6.94
20	4.70	90	5.96	160	7.12
30	4.86	100	6.06	170	7.28
40	5.08	110	6.26	180	7.42
50	5.24	120	6.44	190	7.60
60	5.40	130	6.58	200	7.78

from sympy import *
import sympy as sp
import matplotlib.pyplot as plt
import numpy as np
#法一，利用python库求解偏导数和求解方程组
def f(x,y,n):
    global a1,a2
    a1=symbols('a1');a2=symbols('a2');po=0
    for i in range(n):
        po+=(y[i]-a1-a2*x[i])**2
    zli=diff(po,a1,1)
    zlo=diff(po,a2,1)
    return zli,zlo
#法二，利用线性方程推导的公式直接求解a0，a1
def g(x,y,n):
    xtot=0;ytot=0;xytot=0;x2=0
    for i in range(n):
        xtot+=x[i];ytot+=y[i];xytot+=x[i]*y[i];x2+=x[i]**2
    xp=xtot/n;yp=ytot/n;xyp=xytot/n;x2p=x2/n
    a11=(xyp-xp*yp)/(x2p-xp**2);a22=(yp-a11*xp)
    return a22,a11
x=[n for n in range(0,201,10)]
y=[4.38,4.56,4.70,4.86,5.08,5.24,5.40,5.58,5.74,5.96,6.06,6.26,6.44,6.58,6.74,6.94,7.12,7.28,7.42,7.60,7.78]
n=20
print('代书上的公式计算出来的a0和a1值：{}'.format(g(x,y,n)))
print('利用python库求解方程组，计算出来的a0和a1值：{}'.format(sp.linsolve(f(x,y,n),[a1,a2])._args_set))
xpi=np.arange(0,215,0.1)
yti=float(g(x,y,n)[0])+float(g(x,y,n)[1])*xpi
plt.rcParams['font.family']='SimHei'#可以在图上显示中文
plt.xlabel('温度，单位℃')
plt.ylabel('阻值，单位Ω')
plt.scatter(x,y,color='k',label='实际值')
plt.plot(xpi,yti,'b',label='预测值')
plt.legend()
plt.show()

---

        运行结果（只展示图）。