Python数值计算（10）——多项式拟合函数fit

继续说多项式的数值及拟合，这次主要讨论关于多项式拟合的函数fit。定义如下：

classmethod polynomial.polynomial.Polynomial.fit
(x, y, deg, domain=None, rcond=None, full=False, w=None, window=None, symbol='x')

Polynomial类下面有一个函数fit，官方是这么介绍的：

Least squares fit to data.

Return a series instance that is the least squares fit to the data y sampled at x. The domain of the returned instance can be specified and this will often result in a superior fit with less chance of ill conditioning.

 简单来说，就是通过最小二乘拟合曲线，还是以前面的函数为例：

测试该函数，我们可以先通过原函数，生成系列的对应点，然后利用这些点进行数据的拟合：

import numpy as np
import matplotlib.pyplot as plt
from numpy.polynomial import Polynomial as P

np.polynomial.set_default_printstyle("