使用 Python 的 `plot` 绘制算法运算后的数据拟合图，一般可以按照以下步骤进行： 1. **导入必要的库**：需要导入 `matplotlib.pyplot` 用于绘图，`numpy` 用于数值计算，`scipy.optimize` 中的 `curve_fit` 用于曲线拟合。 2. **定义拟合函数**：根据数据的特点，定义一个合适的拟合函数。 3. **准备数据**：准备需要拟合的原始数据。 4. **进行曲线拟合**：使用 `curve_fit` 函数进行曲线拟合，得到拟合函数的参数。 5. **计算拟合值**：使用拟合得到的参数，计算拟合函数在原始数据点上的值。 6. **绘制原始数据和拟合曲线**：使用 `plot` 函数分别绘制原始数据和拟合曲线。 以下是一个示例代码： ```python import matplotlib.pyplot as plt import numpy as np from scipy.optimize import curve_fit # 定义拟合函数 def func(x, a, b, c): return b * np.power(a, x) + c # 准备数据 x = np.arange(1, 31, 1) y = np.array([20, 23, 26, 29, 32, 35, 38, 45, 53, 62, 73, 86, 101, 118, 138, 161, 188, 220, 257, 300, 350, 409, 478, 558, 651, 760, 887, 1035, 1208, 1410]) # 进行曲线拟合 popt, pcov = curve_fit(func, x, y) # 计算拟合值 y_pred = [func(i, popt[0], popt[1], popt[2]) for i in x] # 绘制原始数据和拟合曲线 plot1 = plt.plot(x, y, '*', label='original values') plot2 = plt.plot(x, y_pred, 'r', label='fit values') # 设置图形标题和坐标轴标签 plt.title('Curve Fitting') plt.xlabel('x') plt.ylabel('y') # 设置图例位置 plt.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0)) # 显示图形 plt.show() ``` 上述代码中，首先导入了必要的库，然后定义了一个拟合函数 `func`，接着准备了原始数据 `x` 和 `y`。使用 `curve_fit` 函数进行曲线拟合，得到拟合函数的参数 `popt`。使用拟合参数计算拟合值 `y_pred`，最后使用 `plot` 函数分别绘制原始数据和拟合曲线，并设置图形标题、坐标轴标签和图例位置，最后显示图形。 另外一个示例是对 `xx2` 范围的数据进行拟合绘图，代码如下： ```python import matplotlib.pyplot as plt import numpy as np from scipy.optimize import curve_fit # 这里假设 func2 已经定义 def func2(x, p, q, m): # 具体的函数形式根据实际情况填写 return p * np.power(x, 2) + q * x + m x2 = np.array([1, 2, 3, 4, 5]) # 示例数据 y2 = np.array([2, 5, 10, 17, 26]) # 示例数据 # 假设已经通过某种方式得到 p, q, m 的值 p = 1 q = 0 m = 1 xx2 = np.arange(1, 21) y2test = func2(xx2, p, q, m) # 绘图 plot1 = plt.plot(x2, y2, 's', label='original values') plot2 = plt.plot(xx2, y2test, 'r', label='polyfit values') plt.xlabel('x2') plt.ylabel('y2') plt.legend(loc=4) # 指定 legend 的位置右下角 plt.title('curve_fit') plt.show() ```