1.定义初始数据

#!/usr/bin/env python
# coding:utf-8
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']


X = np.array([1, 2, 3, 4, 5, 6])
Y = np.array([2.3, 3.5, 4.2, 5.1, 6.5, 8.3])

2.多项式拟合，使用np.polyfit得到对应阶数的拟合函数各项式系数

二项式：

# 二阶拟合
coef = np.polyfit(X, Y, 2)   # 可以改变多项式阶数
print('各项系数：', coef)

各项系数： [0.10357143 0.415      1.96      ]

三项式：

# 三阶拟合
coef = np.polyfit(X, Y, 3)  # 可以改变多项式阶数
print('各项系数：', coef)

各项系数： [ 0.05       -0.42142857  2.          0.7       ]

3.查看拟合函数：

y_fit = np.poly1d(coef)
print('二阶函数：', y_fit)

输出结果：

4.查看拟合的各个点的值

y = y_fit(X)
print('拟合值：', y)

 拟合值： [2.47857143 3.20428571 4.13714286 5.27714286 6.62428571 8.17857143]

5.画图

# 画图
plt.figure(figsize=(8, 6))
plt.scatter(X, Y, marker='o', label='初始数据')
plt.plot(X, y, ls='--', c='red', label='拟合值')
plt.legend()  # 绘制图例
plt.show()

6.源码 

#!/usr/bin/env python
# coding:utf-8
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']

# 原始数据
X = np.array([1, 2, 3, 4, 5, 6])
Y = np.array([2.3, 3.5, 4.2, 5.1, 6.5, 8.3])

# 二阶拟合
coef = np.polyfit(X, Y, 2)
print('各项系数：', coef)
y_fit = np.poly1d(coef)
print('二阶函数：', y_fit)
y = y_fit(X)
print('拟合值：', y)

# 画图
plt.figure(figsize=(8, 6))
plt.scatter(X, Y, marker='o', label='初始数据')
plt.plot(X, y, ls='--', c='red', label='拟合值')
plt.legend()  # 绘制图例
plt.show()