Python 使用更精确的x值数组在matplotlib中生成最佳拟合线？

我目前被困在一个问题上，我需要生成一条最佳拟合曲线，我需要使用一个更精确的x阵列，从250到100，以10步为单位。这是我目前为止的代码

import numpy as np
from numpy import polyfit, polyval
import matplotlib.pyplot as plt

x = [250,300,350,400,450,500,550,600,700,750,800,900,1000]
x = np.array(x)
y = [0.791, 0.846, 0.895, 0.939, 0.978, 1.014, 1.046, 1.075, 1.102, 1.148, 1.169, 1.204, 1.234]
y= np.array(y)

r = polyfit(x,y,3)
fit = polyval(r, x)

plt.plot(x, fit, 'b')
plt.plot(x,y, color = 'r', marker = 'x')
plt.show()

---

如果我理解正确，您正在尝试通过c的步骤创建从a到b的数字数组

对于纯python，您可以使用：

list(range(a, b, c)) #in your case list(range(250, 1000, 10))

或者，由于您使用的是numpy，因此可以直接制作numpy阵列：

np.arange(a, b, c)

---

要按步骤创建数组，可以使用

numpy.arange（[start，]stop[，step]）

：

---

要生成250-1000之间的值，请使用范围（开始、停止、步骤）：

---

由于x中的原始值为13，现在我们得到了75，我如何生成与新x数组最匹配的行。我不知道我是否理解正确：您没有更多的

y

数据点，因此不可能适应更多的

x

值？你真的只想用更多的

x

值来绘制你的新函数吗？这个问题对我来说也很困惑。。。它说：“绘制1阶（直线）、2阶或3阶的最佳曲线拟合以及测量标记（使用numpy函数polyfit和polyval）。要确定最佳拟合，请评估从1阶到3阶的三个多项式模型。（在代码中输入注释，说明哪一个产生最佳拟合。）使用更精细的x值列表（250到1000步，共10步）来计算多边形拟合“如果只提供

y

值，这确实是一个非常奇怪的问题。当然，你总是可以用更多的

x

值进行绘图，但这不会改变拟合的精度。是的，我在我的绘图计算器上试用过，拟合没有任何变化。。。。但是我现在知道怎么做了，哈哈

import numpy as np
x = np.arange(250,1000,10)

x = range(250,1001,10)
x = np.array(x)