第一種是進行多項式擬合，數學上可以證明，任意函式都可以表示為多項式形式。具體示例如下。
###擬合年齡

import numpy as np
import matplotlib.pyplot as plt
 
#定義x、y散點座標
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次多項式擬合
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) #擬合y值
print('yvals is :\n',yvals)
#繪圖
plot1 = plt.plot(x,'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 。 第一種方案是給出具體的函式形式(可以是任意的，只要你能寫的出來 下面的func就是)，用最小二乘的方式去逼近和擬合，求出函式的各項係數，如下。

##使用curve_fit

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
 
#自定義函式 e指數形式
def func(x,a,b,c):
  return a*np.sqrt(x)*(b*np.square(x)+c)
 
#定義x、y散點座標
x = [20,70]
x = np.array(x)
num = [453,482,503,508,498,479]
y = np.array(num)
 
#非線性最小二乘法擬合
popt,pcov = curve_fit(func,x,y)
#獲取popt裡面是擬合係數
print(popt)
a = popt[0] 
b = popt[1]
c = popt[2]
yvals = func(x,c) #擬合y值
print('popt:',popt)
print('係數a:',a)
print('係數b:',b)
print('係數c:',c)
print('係數pcov:',pcov)
print('係數yvals:',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()

擬合高斯分佈的方法。

#encoding=utf-8 
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import pandas as pd
#自定義函式 e指數形式
def func(x,u,sig):
  return a*(np.exp(-(x - u) ** 2 /(2* sig **2))/(math.sqrt(2*math.pi)*sig))*(431+(4750/x))
#定義x、y散點座標
x = [40,45,55,65,75,80,85,90,95,100,105,110,115,120,125,130,135]
x=np.array(x)
# x = np.array(range(20))
print('x is :\n',x)
num = [536,529,522,516,511,506,502,494,490,487,484,481,478,475,472,470,467,465,463]
y = np.array(num)
print('y is :\n',y)
popt,p0=[3.1,4.2,3.3])
#獲取popt裡面是擬合係數
a = popt[0]
u = popt[1]
sig = popt[2]
yvals = func(x,sig) #擬合y值
print(u'係數a:',a)
print(u'係數u:',u)
print(u'係數sig:',sig)
#繪圖
plot1 = plt.plot(x,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()

總結

以上所述是小編給大家介紹的python 對任意資料和曲線進行擬合併求出函式表示式的三種解決方案，希望對大家有所幫助，也非常感謝大家對我們網站的支援！