本文主要介绍python多项式拟合的np.polyfit和np.polyld的示例代码。python数据拟合主要可以使用numpy库，库可以用pip install numpy等直接安装。有需要的朋友可以跟边肖学习。

Python数据拟合主要可以使用numpy库，pip install numpy可以直接用来安装库。

1.原始数据：如果要拟合的数据yyy来自sin函数，np.sin

将numpy作为np导入

将matplotlib.pyplot作为plt导入

Xxx=np.arange(0，1000) # x值，表示弧度。

Yyy=np.sin(xxx*np.pi/180) #函数值，换算成度数。

2.测试不同阶的多项式，如7阶多项式拟合。使用np.polyfit拟合和np.polyld获得多项式系数。

Z1=np.polyfit(xxx，yyy，7) #用7次多项式拟合可以改变多项式阶数；

P1=np.poly1d(z1) #得到多项式系数，从高到低排列。

打印(p1) #显示多项式

3.找到对应于xxx的拟合函数值

yvals=P1(xxx)# yvals=NP . polyval(Z1，XXX)可以直接使用。

4.绘制如下

plt.plot(xxx，yyy，' * '，label='原始值')

plt.plot(xxx，yvals，' r '，label='polyfit values ')

plt.xlabel('x轴')

plt.ylabel('y轴')

Plt.legend(loc=4) #指定图例在图中的位置，类似于象限的位置。

plt.title('多拟合')

plt.show()

5.np.polyfit函数：采用最小二乘拟合，numpy。polyfit (x，y，deg，rcond=none，full=false，w=none，cov=false)，前三个参数是必需的。

正式文件：3359 docs . scipy . org/doc/numpy-1 . 13 . 0/reference/generated/numpy . poly fit . html

6.np.polyld函数：获取多项式系数主要有三个参数。

一维多项式类。

一个方便的类，用于封装

多项式，以便所述操作可以采用它们习惯的

代码形式(参见示例)。

因素

-

c_or_r:类似数组

多项式的系数，递减幂，或者如果

第二个参数的值为真，即多项式的

根(多项式等于0的值)。举个例子，

“poly1d([1，2，3])”返回一个表示

:math:`x^2 2x 3 ',而`` poly1d([1，2，3)，True)` `返回

一个代表：数学：`(x-1)(x-2)(x-3)=x^3 - 6x^2 11x -6 `。

r : bool，可选

如果为真，` c_or_r '指定多项式的根；默认

是假的。

变量：str，可选

将打印“p”时使用的变量从“x”更改为“变量”

(参见示例)。

参数1的意思是：当没有参数2时(即参数2默认为False时)，参数1是一个数组，从高到低表示多项式系数项。例如，参数1为[4，5，6]表示：

参数2表示：为真时，表示参数1中的参数作为根形成多项式，即当参数1为[4，5，6]时，表示：(x-4)(x-5)(x-6)=0，即：

3参数指示：改变参数标识，你习惯了X，可以用T，S之类的。

用法：

1.直接执行运算，如多项式的平方，并获得

xx=np.poly1d([1，2，3])

打印(xx)

Yy=xx**2 #平方，或者用xx * xx

打印(年)

2.评估：

yy(1)=36

3.求根：方程为0时的未知值。

yy.r

4.获取系数以形成数组：

Yy.c是：数组([ 1，4，10，12，9])

5.返回最高功率：

年顺序=4

6.返回系数：

Yy[0] ——表示幂为0的系数。

Yy[1] ——表示以1为幂的系数。

总结

以上是边肖介绍的python多项式拟合的np.polyfit和np.polyld的详细讲解。希望对你有帮助，非常感谢你对我们网站的支持！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。