Python实现线性拟合：基于NumPy与SciPy的完整代码示例

雨后青山

发布时间：2026-10-13| 6人浏览过

原创

本文介绍如何使用Python进行线性拟合。通过结合NumPy生成数据范围、SciPy的curve_fit进行参数优化以及Matplotlib可视化，展示了从散点绘制到直线拟合的完整流程。代码包含具体的API调用与参数设置，适合需要快速实现数据线性回归的开发者参考。

Python线性拟合实现背景

接到实验室任务，需要为给定数据绘制线性拟合图。由于不熟悉Matlab，决定尝试使用Python实现。参考了网络上的相关教程并查阅官方文档后，成功编写出相应的代码。

实现该功能主要依赖以下三个Python库：

核心代码与API使用


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()

核心使用的API包括：