如何实现数据的线性拟合
更新时间:2019年7月19日 10:56:30 作者:QureL
本文主要详细介绍了如何实现数据的线性拟合,具有一定的参考价值。 有兴趣的朋友可以参考一下
实验室老师要求对数据画一个线性拟合图。 没有,只是想着用一下。参考了网上的一些文章,查看了帮助文档,成功写了出来
这里用到了三个库
import numpy as np import matplotlib.pyplot as plt from scipy import optimize def f_1(x, A, B): return A * x + B plt.figure() # 拟合点 x0 = [75, 70, 65, 60, 55,50,45,40,35,30] y0 = [22.44, 22.17, 21.74, 21.37, 20.92,20.67,20.32,20.05,19.84,19.59] # 绘制散点 plt.scatter(x0[:], y0[:], 3, "red") # 直线拟合与绘制 A1, B1 = optimize.curve_fit(f_1, x0, y0)[0] x1 = np.arange(30, 75, 0.01)#30和75要对应x0的两个端点,0.01为步长 y1 = A1 * x1 + B1 plt.plot(x1, y1, "blue") print(A1) print(B1) plt.title(" ") plt.xlabel('t') plt.ylabel('Mt/g') plt.show()
使用的API:
麻木的。
scipy..
实验结果如下,得到图像和数据,非常满意
以上就是本文的全部内容。 希望对您的学习有所帮助,也希望您多多支持脚本之家。