如何查看Polyfit拟合曲线方程、参数并显示数据点以预测2022数据

核心操作步骤 #

• 提取Polyfit方程与参数：若使用Python的numpy.polyfit()函数，一阶线性拟合方程为 y = k*x + b，其中：
  • 斜率k：拟合返回的一阶系数
  • 截距b：拟合返回的常数项
    若是高阶拟合，方程形式为 y = a_n*x^n + ... + a_1*x + a_0，各阶系数可直接从numpy.polyfit()的返回结果中提取。
• 显示被遮挡的数据点：在绘图代码中，将数据点绘制语句（如plt.scatter(x_data, y_data)）放在拟合曲线绘制语句（如plt.plot(x_fit, y_fit)）之前，或给数据点设置更大的标记尺寸（s参数）、高对比度颜色（如color='red'），避免被曲线遮挡。
• 2022年数据预测：将x=2022代入拟合方程计算即可。比如一阶拟合时，直接计算 y_pred = k*2022 + b。

示例代码片段 #

import numpy as np
import matplotlib.pyplot as plt

# 示例原始数据
x_data = [2018, 2019, 2020, 2021]
y_data = [100, 120, 150, 180]

# 一阶线性拟合
coefficients = np.polyfit(x_data, y_data, 1)
k = coefficients[0]  # 斜率
b = coefficients[1]  # 截距
poly_eq = np.poly1d(coefficients)

# 预测2022年数据
y_2022 = poly_eq(2022)

# 绘图：先画数据点，再画拟合曲线
plt.scatter(x_data, y_data, color='red', s=50, label='原始数据点')
plt.plot(x_data, poly_eq(x_data), label=f'拟合曲线: y={k:.2f}x + {b:.2f}')
plt.legend()
plt.show()

# 输出关键结果
print(f"拟合方程: y = {k:.2f}x + {b:.2f}")
print(f"斜率: {k:.2f}")
print(f"截距: {b:.2f}")
print(f"2022年预测值: {y_2022:.2f}")

注：若为高阶拟合（如二阶），只需将np.polyfit()的第三个参数改为对应阶数，方程形式和预测逻辑同理。

内容的提问来源于stack exchange，提问作者Hakari Kinji