python拟合曲线

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

# 定义一个拟合函数，例如二次多项式
def quadratic(x, a, b, c):
    return a * x**2 + b * x + c

# 生成一些示例数据
x_data = np.linspace(-10, 10, 50)
y_data = quadratic(x_data, 1, -2, 5) + np.random.normal(0, 10, size=x_data.size)

# 使用curve_fit进行拟合
params, covariance = curve_fit(quadratic, x_data, y_data)

# 输出拟合参数
print(f"拟合参数: a={params[0]}, b={params[1]}, c={params[2]}")

# 绘制原始数据和拟合曲线
plt.scatter(x_data, y_data, label='原始数据')
x_fit = np.linspace(min(x_data), max(x_data), 100)
y_fit = quadratic(x_fit, *params)
plt.plot(x_fit, y_fit, 'r-', label='拟合曲线')
plt.legend()
plt.show()

解释说明：

1. 导入库：我们使用了numpy来处理数组和数学运算，matplotlib来绘制图形，scipy.optimize.curve_fit来进行曲线拟合。
2. 定义拟合函数：这里定义了一个二次多项式函数quadratic，它接受三个参数a, b, c，用于描述二次项、一次项和常数项。
3. 生成示例数据：我们生成了一些带有噪声的示例数据，这些数据是通过给定的二次多项式加上随机噪声生成的。
4. 曲线拟合：使用curve_fit函数对生成的数据进行拟合，返回拟合参数和协方差矩阵。
5. 输出拟合参数：打印出拟合得到的参数值。
6. 绘制图形：将原始数据点和拟合后的曲线绘制在同一张图上，以便直观地比较。