John Lyon..
26
这个问题的公认答案
提供
您只需传入x和y点的数组以及所需的拟合度(顺序)即可multipolyfit.这将返回系数,然后您可以使用numpy的polyval进行绘图.
注意:下面的代码已经过修改,可以进行多变量拟合,但是情节图像是早期非多变量答案的一部分.
import numpy
import matplotlib.pyplot as plt
import multipolyfit as mpf
data = [[1,1],[4,3],[8,3],[11,4],[10,7],[15,11],[16,12]]
x, y = zip(*data)
plt.plot(x, y, 'kx')
stacked_x = numpy.array([x,x+1,x-1])
coeffs = mpf(stacked_x, y, deg)
x2 = numpy.arange(min(x)-1, max(x)+1, .01) #use more points for a smoother plot
y2 = numpy.polyval(coeffs, x2) #Evaluates the polynomial for each x2 value
plt.plot(x2, y2, label="deg=3")
注意:这是早期答案的一部分,如果您没有多变量数据,它仍然是相关的.而不是coeffs = mpf(...,使用coeffs = numpy.polyfit(x,y,3)
对于非多变量数据集,最简单的方法是使用numpy polyfit: