1.定义初始数据
#!/usr/bin/env python
# coding:utf-8
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
X = np.array([1, 2, 3, 4, 5, 6])
Y = np.array([2.3, 3.5, 4.2, 5.1, 6.5, 8.3])
2.多项式拟合,使用np.polyfit得到对应阶数的拟合函数各项式系数
二项式:
# 二阶拟合
coef = np.polyfit(X, Y, 2) # 可以改变多项式阶数
print('各项系数:', coef)
各项系数: [0.10357143 0.415 1.96 ]
三项式:
# 三阶拟合
coef = np.polyfit(X, Y, 3) # 可以改变多项式阶数
print('各项系数:', coef)
各项系数: [ 0.05 -0.42142857 2. 0.7 ]
3.查看拟合函数:
y_fit = np.poly1d(coef)
print('二阶函数:', y_fit)
输出结果:
4.查看拟合的各个点的值
y = y_fit(X)
print('拟合值:', y)
拟合值: [2.47857143 3.20428571 4.13714286 5.27714286 6.62428571 8.17857143]
5.画图
# 画图
plt.figure(figsize=(8, 6))
plt.scatter(X, Y, marker='o', label='初始数据')
plt.plot(X, y, ls='--', c='red', label='拟合值')
plt.legend() # 绘制图例
plt.show()
6.源码
#!/usr/bin/env python
# coding:utf-8
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
# 原始数据
X = np.array([1, 2, 3, 4, 5, 6])
Y = np.array([2.3, 3.5, 4.2, 5.1, 6.5, 8.3])
# 二阶拟合
coef = np.polyfit(X, Y, 2)
print('各项系数:', coef)
y_fit = np.poly1d(coef)
print('二阶函数:', y_fit)
y = y_fit(X)
print('拟合值:', y)
# 画图
plt.figure(figsize=(8, 6))
plt.scatter(X, Y, marker='o', label='初始数据')
plt.plot(X, y, ls='--', c='red', label='拟合值')
plt.legend() # 绘制图例
plt.show()