python 非线性多项式拟合_[Python] 二维曲线拟合 ( 含有笔记、代码、注释 )

多项式拟合一次函数

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from numpy import polyfit, poly1d 
%matplotlib inline

x = np.linspace(-5, 5, 100) # 产生[-5,5]的100个等间隔的数组
y = 4 * x + 1.5 # y是关于x的一次函数
noise_y = y + np.random.randn(y.shape[-1]) * 2.5 # y添加噪声后的函数值。
print(y.shape[-1]) # 100个元素

运行结果：

100

p = plt.plot(x, noise_y, 'rx') # 画红色叉叉就是rx，画红色叉叉虚线图就是rx--
p = plt.plot(x, y, 'b:') # 画蓝色点图，"b" 表示蓝色，":"表示点图。

coeff = polyfit(x, noise_y, 1)
print(coeff)

运行结果：

[4.00355516 1.55927961]

p = plt.plot(x, noise_y, 'rx')
p = plt.plot(x, coeff[0] * x + coeff[1], 'k-') # 画黑色实线图，"k" 表示实线，"-"表示实线。
p = plt.plot(x, y, 'b--') # 这里可看出拟合出一阶函数与原函数重合了，课通过注释该语句看出。

# 还可以用 poly1d 生成一个以传入的 coeff 为参数的多项式函数：
f = poly1d(coeff)
p = plt.plot(x, noise_y, 'rx') # 绘制红色叉叉散点图
p = plt.plot(x, f(x)) # 带入x点，画出f函数。

多项式拟合正弦函数

x = np.linspace(-np.pi,np.pi,100)
y = np.sin(x)

# 用一阶到九阶多项式拟合，类似泰勒展开：
y1 = poly1d(polyfit(x,y,1))
y3 = poly1d(polyfit(x,y,3))
y5 = poly1d(polyfit(x,y,5))
y7 = poly1d(polyfit(x,y,7))
y9 = poly1d(polyfit(x,y,9))

x = np.linspace(-3 * np.pi,3 * np.pi,100)

p = plt.plot(x, np.sin(x), 'k') # 黑色为原始的图形，
p = plt.plot(x, y1(x)) 
p = plt.plot(x, y3(x))
p = plt.plot(x, y5(x))
p &#