python拟合非线性数据

读取数据

import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_csv('D:/Word/python/shuangyueshiyan/res.csv')
b = 0
i = 19
x = data["x"].iloc[b:i]
y = data["y"].iloc[b:i]
plt.scatter(x,y)
plt.show()

由上图可得，数据呈对数曲线分布。
最小二乘法拟合：最小二乘法是一种常用的数据拟合方法。可以使用多项式回归来拟合幂函数和平方根关系，以及三角函数回归来拟合。通过适当选择多项式的阶数或三角函数的类型和参数，可以尝试拟合数据并找到与之最佳拟合的函数。

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

data = pd.read_csv('D:/Word/python/shuangyueshiyan/res.csv')
b = 0
i = 19
x = data["x"].iloc[b:i]
y = data["y"].iloc[b:i]
plt.scatter(x,y)
# 定义拟合函数
def fit_func(x, a, b,c,d):
    return a * np.log(b * x+c) + d

# 使用Levenberg-