如何根据函数图像推导对应的数学函数？（支持Python实现）

Python 实现方案 #

1. 多项式拟合（通用场景） #

如果图像呈现多项式形态（线性、二次曲线等），可以用 numpy 的 polyfit 和 poly1d 快速拟合：

import numpy as np
import matplotlib.pyplot as plt

# 替换为你的时间、速度列表
time_list = [0, 1, 2, 3, 4, 5]
speed_list = [0, 2.1, 4.2, 6.0, 8.3, 10.1]

# 选择拟合阶数：1=线性，2=二次，依图像形态调整
fit_degree = 1
# 计算拟合系数
coeffs = np.polyfit(time_list, speed_list, fit_degree)
# 生成拟合函数
fit_function = np.poly1d(coeffs)

# 输出拟合的函数表达式
print(f"拟合函数：{fit_function}")

# 可视化原始数据与拟合曲线
plt.plot(time_list, speed_list, 'o', label='原始数据')
plt.plot(time_list, fit_function(time_list), '-', label='拟合曲线')
plt.legend()
plt.show()

2. 非线性拟合（特殊曲线场景） #

如果图像是指数、对数、正弦等非多项式形态，用 scipy.optimize.curve_fit 自定义函数拟合：

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

# 自定义目标拟合函数（示例为指数函数）
def exp_func(x, a, b, c):
    return a * np.exp(b * x) + c

# 替换为你的实际数据
time_list = [0, 1, 2, 3, 4]
speed_list = [1.1, 2.8, 7.3, 20.2, 54.5]

# 拟合参数计算
popt, _ = curve_fit(exp_func, time_list, speed_list)
a, b, c = popt

# 输出拟合结果
print(f"拟合指数函数：y = {a:.2f} * e^({b:.2f}x) + {c:.2f}")

# 可视化
x_fit = np.linspace(min(time_list), max(time_list), 100)
plt.plot(time_list, speed_list, 'o', label='原始数据')
plt.plot(x_fit, exp_func(x_fit, a, b, c), '-', label='拟合曲线')
plt.legend()
plt.show()

非代码工具方案 #

• OriginLab：可视化操作的专业拟合工具，支持几十种预设函数拟合，无需编程。
• MATLAB：用 fit 函数可快速实现各类曲线拟合，语法逻辑与Python类似，适合熟悉MATLAB的用户。

注意：拟合前先观察图像形态选择对应函数类型，多项式阶数不宜过高，避免过拟合导致数据范围外预测失真。

内容的提问来源于stack exchange，提问作者dcinderdiu