python 拟合

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

# 示例数据
x_data = np.linspace(0, 10, 50)
y_data = 3.5 * np.exp(-0.5 * x_data) + np.random.normal(0, 0.2, size=x_data.size)

# 定义拟合函数
def func(x, a, b):
    return a * np.exp(-b * x)

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

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

# 绘制原始数据和拟合曲线
plt.scatter(x_data, y_data, label='原始数据')
plt.plot(x_data, func(x_data, *params), 'r-', label='拟合曲线')
plt.legend()
plt.show()

解释说明：

1. 导入库：我们使用 numpy 来生成数据，matplotlib 来绘制图表，scipy.optimize.curve_fit 来进行非线性最小二乘拟合。
2. 生成示例数据：x_data 是自变量，y_data 是因变量，其中添加了一些随机噪声来模拟真实数据。
3. 定义拟合函数：func(x, a, b) 是我们要拟合的函数形式，在这个例子中是指数衰减函数。
4. 拟合过程：curve_fit 函数会根据提供的数据和函数形式，自动找到最优的参数 a 和 b。
5. 输出结果：打印出拟合得到的参数值。
6. 绘图：用散点图展示原始数据，用红色实线展示拟合后的曲线。