如何在Python的半对数图（Semilogy Plot）中实现多项式拟合

我来帮你搞定这个半对数图的拟合问题！你之前用numpy.polyfit在双对数图里做拟合的思路其实可以迁移过来，核心是搞清楚半对数坐标系对应的函数转换关系，下面给你两种实用的实现方法：

核心逻辑说明 #

半对数图（semilogy）是y轴取对数、x轴保持线性的坐标系。如果希望在这个图里拟合出多项式曲线，本质上是对**原始x值（你的l）和log(f)**做多项式拟合，然后再把拟合结果转换回原坐标系（也就是对拟合的多项式结果取指数）。

方法一：用numpy.polyfit快速实现 #

这种方法最直接，和你之前双对数拟合的思路一致，只是拟合的变量换成了x和log(y)：

import matplotlib.pyplot as plt
import numpy as np

# 你的原始数据
l = [0.006, 0.01, 0.014, 0.024, 0.0346, 0.049, 0.0535, 0.0736, 0.11]
# 补全你省略的f数据（确保所有值为正数，否则取对数会报错）
f = [5.337590338333005, 60.53197642251305, 89.11150252613147, 47.13249850158497, 
     17.447001, 8.215, 6.98, 3.12, 1.05]

# 1. 选择多项式次数（比如2次，可根据需求调整）
poly_degree = 2

# 2. 对f取自然对数（也可以用np.log10，只要前后一致就行）
log_f = np.log(f)

# 3. 拟合x(l)和log(f)，得到多项式系数
coeffs = np.polyfit(l, log_f, poly_degree)
poly_func = np.poly1d(coeffs)  # 生成多项式对象，方便计算

# 4. 生成密集的x值用于绘制拟合曲线
x_fit = np.linspace(min(l), max(l), 100)
# 计算拟合的f值：先算log(f)的拟合值，再指数化回到原坐标系
f_fit = np.exp(poly_func(x_fit))

# 5. 绘制半对数图
plt.figure(figsize=(10,6))
plt.semilogy(l, f, 'o', label='原始数据点')
plt.semilogy(x_fit, f_fit, '-', linewidth=2, label=f'{poly_degree}次多项式拟合')
plt.xlabel('l')
plt.ylabel('f')
plt.title('半对数图中的多项式拟合（polyfit实现）')
plt.legend()
plt.grid(True, which="both", ls="-")  # 显示网格，方便观察
plt.show()

方法二：用scipy.curve_fit自定义拟合函数 #

如果需要更灵活的拟合形式（比如加入约束条件），可以用curve_fit直接拟合指数多项式形式的函数（对应半对数图里的多项式曲线）：

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

# 原始数据同上
l = [0.006, 0.01, 0.014, 0.024, 0.0346, 0.049, 0.0535, 0.0736, 0.11]
f = [5.337590338333005, 60.53197642251305, 89.11150252613147, 47.13249850158497, 
     17.447001, 8.215, 6.98, 3.12, 1.05]

# 1. 定义指数多项式拟合函数（这里以2次为例）
def exp_poly(x, a, b, c):
    # 对应半对数图里的二次多项式：log(f) = a*x² + b*x + c → f = exp(a*x² + b*x + c)
    return np.exp(a * x**2 + b * x + c)

# 2. 初始参数猜测（可以用方法一的polyfit结果作为初始值，提高拟合成功率）
initial_guess = np.polyfit(l, np.log(f), 2)

# 3. 执行拟合
popt, pcov = curve_fit(exp_poly, l, f, p0=initial_guess)

# 4. 生成拟合曲线
x_fit = np.linspace(min(l), max(l), 100)
f_fit = exp_poly(x_fit, *popt)

# 5. 绘图
plt.figure(figsize=(10,6))
plt.semilogy(l, f, 'o', label='原始数据点')
plt.semilogy(x_fit, f_fit, '--', linewidth=2, label='指数多项式拟合（curve_fit实现）')
plt.xlabel('l')
plt.ylabel('f')
plt.title('半对数图中的多项式拟合（curve_fit实现）')
plt.legend()
plt.grid(True, which="both", ls="-")
plt.show()

注意事项 #

• 确保你的f数据全为正数，否则取对数会抛出错误；
• 多项式次数可以根据数据的实际分布调整，次数过高容易出现过拟合；
• 如果只需要在半对数图里拟合直线（对应原数据的指数函数），把多项式次数设为1即可，此时拟合函数为f = exp(b*x + c)。

内容的提问来源于stack exchange，提问作者bhjghjh