第一种是进行多项式拟合，数学上可以证明，任意函数都可以表示为多项式形式。具体示例如下。
###拟合年龄

import numpy as npimport matplotlib.pyplot as plt #定义x、y散点坐标x = [10,20,30,40,50,60,70,80]x = np.array(x)print('x is :\n',x)num = [174,236,305,334,349,351,342,323]y = np.array(num)print('y is :\n',y)#用3次多项式拟合f1 = np.polyfit(x, y, 3)print('f1 is :\n',f1) p1 = np.poly1d(f1)print('p1 is :\n',p1) #也可使用yvals=np.polyval(f1, x)yvals = p1(x) #拟合y值print('yvals is :\n',yvals)#绘图plot1 = plt.plot(x, y, 's',label='original values')plot2 = plt.plot(x, yvals, 'r',label='polyfit values')plt.xlabel('x')plt.ylabel('y')plt.legend(loc=4) #指定legend的位置右下角plt.title('polyfitting')plt.show()

2 。 第一种方案是给出具体的函数形式(可以是任意的，只要你能写的出来 下面的func就是)，用最小二乘的方式去逼近和拟合，求出函数的各项系数，如下。

##使用curve_fitimport numpy as npimport matplotlib.pyplot as pltfrom scipy.optimize import curve_fit #自定义函数 e指数形式def func(x, a, b,c): return a*np.sqrt(x)*(b*np.square(x)+c) #定义x、y散点坐标x = [20,30,40,50,60,70]x = np.array(x)num = [453,482,503,508,498,479]y = np.array(num) #非线性最小二乘法拟合popt, pcov = curve_fit(func, x, y)#获取popt里面是拟合系数print(popt)a = popt[0] b = popt[1]c = popt[2]yvals = func(x,a,b,c) #拟合y值print('popt:', popt)print('系数a:', a)print('系数b:', b)print('系数c:', c)print('系数pcov:', pcov)print('系数yvals:', yvals)#绘图plot1 = plt.plot(x, y, 's',label='original values')plot2 = plt.plot(x, yvals, 'r',label='polyfit values')plt.xlabel('x')plt.ylabel('y')plt.legend(loc=4) #指定legend的位置右下角plt.title('curve_fit')plt.show()

拟合高斯分布的方法。

#encoding=utf-8 import numpy as npimport matplotlib.pyplot as pltfrom scipy.optimize import curve_fitimport pandas as pd#自定义函数 e指数形式def func(x, a,u, sig): return a*(np.exp(-(x - u) ** 2 /(2* sig **2))/(math.sqrt(2*math.pi)*sig))*(431+(4750/x))#定义x、y散点坐标x = [40,45,50,55,60,65,70,75,80,85,90,95,100,105,110,115,120,125,130,135]x=np.array(x)# x = np.array(range(20))print('x is :\n',x)num = [536,529,522,516,511,506,502,498,494,490,487,484,481,478,475,472,470,467,465,463]y = np.array(num)print('y is :\n',y)popt, pcov = curve_fit(func, x, y,p0=[3.1,4.2,3.3])#获取popt里面是拟合系数a = popt[0]u = popt[1]sig = popt[2]yvals = func(x,a,u,sig) #拟合y值print(u'系数a:', a)print(u'系数u:', u)print(u'系数sig:', sig)#绘图plot1 = plt.plot(x, y, 's',label='original values')plot2 = plt.plot(x, yvals, 'r',label='polyfit values')plt.xlabel('x')plt.ylabel('y')plt.legend(loc=4) #指定legend的位置右下角plt.title('curve_fit')plt.show()

总结

以上所述是小编给大家介绍的python 对任意数据和曲线进行拟合并求出函数表达式的三种解决方案，希望对大家有所帮助，也非常感谢大家对网站的支持！