http://blog.sina.com.cn/s/blog_aed5bd1d0102vid7.html

1.多项式拟合范例：

import matplotlib.pyplot as pltimport numpy as npx = np.arange(1, 17, 1)y = np.array([4.00, 6.40, 8.00, 8.80, 9.22, 9.50, 9.70, 9.86, 10.00, 10.20, 10.32, 10.42, 10.50, 10.55, 10.58, 10.60])z1 = np.polyfit(x, y, 3) # 用3次多项式拟合p1 = np.poly1d(z1)print(p1) # 在屏幕上打印拟合多项式yvals=p1(x) # 也可以使用yvals=np.polyval(z1,x)plot1=plt.plot(x, y, '*',label='original values')plot2=plt.plot(x, yvals, 'r',label='polyfit values')plt.xlabel('x axis')plt.ylabel('y axis')plt.legend(loc=4) # 指定legend的位置,读者可以自己help它的用法plt.title('polyfitting')plt.show()plt.savefig('p1.png')

2.指定函数拟合

# 使用非线性最小二乘法拟合import matplotlib.pyplot as pltfrom scipy.optimize import curve_fitimport numpy as np# 用指数形式来拟合x = np.arange(1, 17, 1)y = np.array([4.00, 6.40, 8.00, 8.80, 9.22, 9.50, 9.70, 9.86, 10.00, 10.20, 10.32, 10.42, 10.50, 10.55, 10.58, 10.60])def func(x,a,b):    return a*np.exp(b/x)popt, pcov = curve_fit(func, x, y)a=popt[0] # popt里面是拟合系数，读者可以自己help其用法b=popt[1]yvals=func(x,a,b)plot1=plt.plot(x, y, '*',label='original values')plot2=plt.plot(x, yvals, 'r',label='curve_fit values')plt.xlabel('x axis')plt.ylabel('y axis')plt.legend(loc=4) # 指定legend的位置,读者可以自己help它的用法plt.title('curve_fit')plt.show()plt.savefig('p2.png')