Python 使用对数刻度上的matplotlib拟合曲线

我使用python中的loglog函数绘制简单的2D图形，如下所示：

plt.loglog(x,y,label='X vs Y');

X和Y都是

n

大小的浮点数列表

我想在同一张图上画一条线。我试过numpy.polyfit，但我一无所获

---

如果图形已处于对数刻度，如何使用polyfit拟合直线？

Numpy不关心matplotlib图形的轴是什么

我假设你认为log（y）是log（x）的多项式函数，你想找到那个多项式吗？如果是这种情况，则在数据集的对数上运行：

import numpy as np
logx = np.log(x)
logy = np.log(y)
coeffs = np.polyfit(logx,logy,deg=3)
poly = np.poly1d(coeffs)

poly

现在是

log（x）

中的多项式，返回

log（y）

。要获得预测

y

值的拟合，您可以定义一个函数，该函数只对多项式进行幂运算：

yfit = lambda x: np.exp(poly(np.log(x)))

现在，您可以在matplotlib

loglog

plot上绘制装配线：

plt.loglog(x,yfit(x))

然后像这样展示

plt.show()

np.log（x）

提取自然对数，因此上述解决方案在自然对数上进行拟合，而

plt.loglog

在10个基本对数上进行拟合

两个操作应在同一个基础上运行：

logx = np.log10(x)
logy = np.log10(y)

及

或

---

你能告诉我们你试过什么吗？谢谢，我需要学习多项式拟合的基本知识，我在coeff和yfitSo方面遇到了问题，这里我们在logx中取了一个与logy相匹配的三次多项式。然后以f（logx）的指数计算y的新值。我用ax.plot绘图，所以不在对数刻度上。它实际上对我的数据起了作用。但我不明白为什么？我不知道我是否理解你的评论。对（log（x），log（y））数据拟合多项式，然后绘制x和y？你为什么认为这不管用？如果log（y）=P（log（x）），其中P是某个多项式，那么根据yfit的定义，y=exp（P（log（x））=yfit（x）。plt.plot（x，yfit（x））将显示良好的拟合，前提是P本身适合数据的日志。

yfit = lambda x: np.power(10, poly(np.log(x)))

yfit = lambda x: 10**(poly(np.log(x)))