要对 x 和 y 进行光滑样条拟合，并进行过拟合优化，可以使用 Python 中的 scipy 库中的 `UnivariateSpline` 类。以下是一个用 Python 实现的示例代码，展示了如何进行光滑样条拟合和过拟合优化： ```python import numpy as np import matplotlib.pyplot as plt from scipy.interpolate import UnivariateSpline # 创建 x 和 y 数组 x = np.array([51.06, 51.36, 51.66, 51.96, 52.26, 52.56, 52.86, 53.16, 53.46, 53.76, 54.06, 54.35, 54.65, 54.95, 55.25, 55.55, 55.85, 56.15, 56.45, 56.75, 57.05, 57.35, 57.65, 57.94, 58.24, 58.54, 58.84, 59.14, 59.44, 59.74, 60.04, 60.34, 60.64, 60.94]) y = np.array([1615.26, 1630.18, 1678.08, 1708.63, 1746.93, 1810.04, 1844.46, 1867.12, 1919.33, 1933.67, 1978.56, 2032.35, 2070.21, 2110.23, 2170.32, 2221.67, 2270.58, 2325.94, 2392.92, 2406.97, 2455.02, 2485, 2509.38, 2557.14, 2622.4, 2653.24, 2702.29, 2732.84, 2814.3, 2847.58, 2878.27, 2914.99, 2966.34, 3004.92]) # 进行光滑样条拟合 spline = UnivariateSpline(x, y) # 设置过拟合优化参数 spline.set_smoothing_factor(0.5) # 调整平滑因子，值越小拟合效果越平滑 # 创建平滑的 x 值 x_smooth = np.linspace(x.min(), x.max(), 200) # 绘制原始数据和拟合曲线的散点图和曲线图 plt.scatter(x, y, color='blue', label='原始数据') plt.plot(x_smooth, spline(x_smooth), color='red', label='拟合曲线') plt.xlabel('x') plt.ylabel('y') plt.legend() plt.show() ``` 在上述代码中，首先导入所需的库和模块。然后，创建 x 和 y 数组，使用 `UnivariateSpline` 类进行光滑样条拟合。通过调整平滑因子（`set_smoothing_factor`），可以控制拟合曲线的平滑程度，从而进行过拟合优化。最后，创建平滑的 x 值，并绘制原始数据的散点图和光滑样条拟合曲线的曲线图。 您可以根据需要调整代码中的参数和细节，以适应您的具体情况。