Python 多变量曲线拟合

我有一个压力（p）与角度（B）的多重数据集，其中每条曲线在恒定直径（D）值下获得。我想把曲线拟合成角度和直径的函数：P（B，D）=多项式拟合方程

数据集非常小，我尝试使用excel来处理这个问题，但我只得到一个适合角度的多项式，我想在函数中添加直径

P_1 = [2750000,2550000,2450000,2325000,2275000,2250000]
P_2 = [1950000,1750000,1670000,1600000,1550000,1510000]
P_3 = [1230000,1100000,1000000,950000,940000,920000]
B = [20,30,40,50,60,70]
D_1=[.25,.25,.25,.25,.25,.25,.25]
D_2=[.3,.3,.3,.3,.3,.3,.3]
D_3=[.4,.4,.4,.4,.4,.4,.4]

如果我能得到一个多项式来拟合每条曲线，作为B和D的函数，这将是完美的，在这种情况下，D是一个常数。

---

步骤1：关闭Excel。它只适用于最基本的计算。步骤2：这里的预期功能是什么？你的描述很模糊。我们可以将各种各样的东西适应于各种各样的数据集，但是对于有限数量的数据点，有无限数量的函数适合于这些数据点——这些函数越复杂，它们就越适合。那么，你理论上期望的角度、直径和压力之间的关系是什么呢？压力的期望函数非常复杂，由10个变量组成，我想减少压力的函数，只用两个。因此，我试图简化预期的函数。当然这会引入错误，没关系。我接受一个基本的拟合函数，它的表达式不需要精确。多项式拟合通常可以正常工作。不确定如何使用Python/matlab编程。我们无法告诉您要定义什么样的函数。Tbh，如果我不得不猜测的话，这看起来很像指数衰减，但正如我所说的，所有类型的函数都适合有限的数据集。一般的结构是：定义你的函数，用scipy曲线拟合或其他最小二乘算法调用它，检查它是否适合你的数据集。令人惊讶的是，我在我的列表中没有找到任何多项式示例，因此这里只是演示该方法的示例

np.polyfit

和

np.polyval

可能会很方便，如果您希望使用多项式函数的话。