我有以下数据：
>>> x
array([ 3.08, 3.1 , 3.12, 3.14, 3.16, 3.18, 3.2 , 3.22, 3.24,
3.26, 3.28, 3.3 , 3.32, 3.34, 3.36, 3.38, 3.4 , 3.42,
3.44, 3.46, 3.48, 3.5 , 3.52, 3.54, 3.56, 3.58, 3.6 ,
3.62, 3.64, 3.66, 3.68])
>>> y
array([ 0.000857, 0.001182, 0.001619, 0.002113, 0.002702, 0.003351,
0.004062, 0.004754, 0.00546 , 0.006183, 0.006816, 0.007362,
0.007844, 0.008207, 0.008474, 0.008541, 0.008539, 0.008445,
0.008251, 0.007974, 0.007608, 0.007193, 0.006752, 0.006269,
0.005799, 0.005302, 0.004822, 0.004339, 0.00391 , 0.003481,
0.003095])
现在，我想用 4 次多项式来拟合这些数据。所以我这样做：
>>> coefs = np.polynomial.polynomial.polyfit(x, y, 4)
>>> ffit = np.poly1d(coefs)
现在我为 x 值创建一个新网格来评估拟合函数ffit:
>>> x_new = np.linspace(x[0], x[-1], num=len(x)*10)
当我使用以下命令完成所有绘图（数据集和拟合曲线）时：
>>> fig1 = plt.figure()
>>> ax1 = fig1.add_subplot(111)
>>> ax1.scatter(x, y, facecolors='None')
>>> ax1.plot(x_new, ffit(x_new))
>>> plt.show()
我得到以下信息：
fitting_data.png https://www.dropbox.com/s/jgr397vg2y1rfhh/fitdata.png
我期望的是拟合函数能够正确拟合（至少接近数据的最大值）。我究竟做错了什么？
很遗憾，np.polynomial.polynomial.polyfit以与以下相反的顺序返回系数np.polyfit and np.polyval（或者，正如您所使用的np.poly1d）。为了显示：
In [40]: np.polynomial.polynomial.polyfit(x, y, 4)
Out[40]:
array([ 84.29340848, -100.53595376, 44.83281408, -8.85931101,
0.65459882])
In [41]: np.polyfit(x, y, 4)
Out[41]:
array([ 0.65459882, -8.859311 , 44.83281407, -100.53595375,
84.29340846])
一般来说：np.polynomial.polynomial.polyfit返回系数[A, B, C] to A + Bx + Cx^2 + ..., while np.polyfit返回：... + Ax^2 + Bx + C.
因此，如果要使用这种函数组合，则必须颠倒系数的顺序，如下所示：
ffit = np.polyval(coefs[::-1], x_new)
然而，文档 http://docs.scipy.org/doc/numpy/reference/routines.polynomials.html明确指出要避免np.polyfit, np.polyval, and np.poly1d，而只使用新的（er）包。
仅使用多项式包是最安全的：
import numpy.polynomial.polynomial as poly
coefs = poly.polyfit(x, y, 4)
ffit = poly.polyval(x_new, coefs)
plt.plot(x_new, ffit)
或者，创建多项式函数：
ffit = poly.Polynomial(coefs) # instead of np.poly1d
plt.plot(x_new, ffit(x_new))