python曲线拟合

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(-5, 5, 50)
y_data = quadratic(x_data, 1, -2, 3) + np.random.normal(0, 1, len(x_data))

# 使用curve_fit进行曲线拟合
params, covariance = curve_fit(quadratic, x_data, y_data)

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

# 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, quadratic(x_data, *params), 'r-', label='拟合曲线')
plt.legend()
plt.show()

解释说明：

1. 导入库：我们使用了 numpy、matplotlib 和 scipy 库来处理数据、绘制图形以及进行曲线拟合。
2. 定义拟合函数：这里我们定义了一个二次多项式函数 quadratic，它有三个参数 a、b 和 c。
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：最后，我们绘制了原始数据点和拟合后的曲线，以便直观地查看拟合效果。