在Python中，绘制两个拟合图可以通过matplotlib库和numpy库来实现，下面将详细介绍如何在Python中绘制两个拟合图，包括线性拟合和非线性拟合，本文将分步骤进行讲解，让你轻松掌握这一技能。
我们需要安装matplotlib和numpy库，如果还未安装，可以使用以下命令进行安装：
pip install matplotlib numpy
我们开始编写代码，首先导入所需的库：
import numpy as np import matplotlib.pyplot as plt from numpy.linalg import lstsq
以下是一个示例，我们将首先生成一组随机数据，然后分别进行线性拟合和非线性拟合。
1、生成随机数据
生成随机数据 np.random.seed(0) x = np.linspace(0, 10, 100) y = 2 * x + 1 + np.random.randn(100) * 2
2、绘制原始数据散点图
绘制原始数据散点图
plt.scatter(x, y, color='blue', label='Original data')
plt.xlabel('x')
plt.ylabel('y')
plt.legend()3、线性拟合
线性拟合 A = np.vstack([x, np.ones(len(x))]).T m, c = lstsq(A, y, rcond=None)[0] plt.plot(x, m*x + c, color='red', label='Linear fit')
4、非线性拟合（以二次函数为例）
非线性拟合（二次函数） p = np.poly1d(np.polyfit(x, y, 2)) plt.plot(x, p(x), color='green', label='Quadratic fit')
5、显示拟合结果
显示拟合结果
plt.scatter(x, y, color='blue') # 重新绘制散点图，以覆盖之前的线条
plt.plot(x, m*x + c, color='red') # 重新绘制线性拟合曲线
plt.plot(x, p(x), color='green') # 重新绘制非线性拟合曲线
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()通过以上步骤，我们成功绘制了两个拟合图，下面详细解释一下每个步骤：
- 在第一步中，我们使用np.linspace生成了一组等间隔的x值，并通过np.random.randn生成了随机噪声，以模拟真实数据。
- 第二步中，我们使用plt.scatter绘制了原始数据的散点图。
- 第三步中，我们使用numpy.linalg.lstsq进行线性拟合，这里，我们构造了一个矩阵A，其中包含x值和常数项，然后使用最小二乘法求解线性方程。
- 第四步中，我们使用np.polyfit和np.poly1d进行二次函数拟合，这里，np.polyfit用于计算多项式系数，np.poly1d用于创建一个多项式对象。
- 最后一步中，我们重新绘制了散点图和拟合曲线，并使用plt.legend添加图例，plt.show显示图形。
这样，你就学会了如何在Python中绘制两个拟合图，这个方法可以广泛应用于数据分析、机器学习等领域，帮助你更好地理解数据之间的关系。