import numpy as np

p=np.poly1d([1,2,3]) //多项式的系数，p为多项式

//多项式可以做加减乘除

print(p+[1,2]) //表示多项式加上一个多项式系数为[1,2]

print(p+[-1,-2]) //减法

print(p*p) //表示将多项式p*p 乘法

print(p/[1,2]) //表示多项式p除以多项式 ,系数为【1,2】

//声明多项式的几种方式

a=np.poly1d([1,2,3],True) //多项式的根为【1,2,3】

b=n[.poly1d([1,2,3],True,'z') //未知数为z

print(p.deriv()) //对多项式做微分得到的多项式

print(p.integ()) //对做积分后得到的多项式

//计算多项式的值

print(p[1,2,3]) //表示将x=1,x=2,x=3的多项式函数值计算出来，以数组形式的结果

//计算多项式的根

print(p.root())

其他操作：

p(0.5)表示当x = 0.5时，多项式的值为多少

p([1,2,3])表示当x = 1、2、3时，多项式的值分别为多少

p.r表示当多项式为 0 时，此等式的根

p.c表示生成多项式的系数数组

p.order表示返回最高项的次方数

p[1]表示返回第一项的系数

p.deriv([m])表示求导，参数m表示求几次导数

p.integ([m,k])表示积分，参数m表示积几次分，k表示积分后的常数项的值

多项式在某点上的值：np.polyval(p,x[n]),返回p多项式在横轴点上x[n]上的值

两个多项式做差运算： np.polysub(a,b)

import numpy as np

import matplotlib.pyplot as plt

xxx = np.arange(0, 1000) # x值，此时表示弧度

yyy = np.sin(xxx*np.pi/180) #函数值，转化成度

z1 = np.polyfit(xxx, yyy, 7) # 用7次多项式拟合，可改变多项式阶数；

print(z1)

p1 = np.poly1d(z1) #得到多项式系数，按照阶数从高到低排列

print(p1) #显示多项式

print(p1(xxx))#求xxx对应的拟合函数得到的各个函数值

上面arange得到的是一个数组，根据xxx数组计算的sin值也为一个数组，通过polyfit函数拟合的7次曲线是得到的一个数组，将数组交给poly1d函数得到一个拟合的多项式

图像绘制：

plt.plot(xxx, yyy, '*',label='original values')

#plt.plot(x, y, ls="-", lw=2, label=“plot figure”)，

#x: x轴上的数值，y: y轴上的数值，ls：折线图的线条风格，lw：折线图的线条宽度，label：标记图内容的标签文本

plt.plot(xxx, yvals, 'r',label='polyfit values')

plt.xlabel('x axis')

plt.ylabel('y axis')

plt.legend(loc=4) # 指定legend在图中的位置，类似象限的位置

plt.title('polyfitting')

plt.show()

--------------------------------------------------------------------------------------------------------------

plt.legend(loc=4) # 指定legend在图中的位置，类似象限的位置

loc:图例位置，可取(‘best’, ‘upper right’, ‘upper left’, ‘lower left’, ‘lower right’, ‘right’,

‘center left’, ‘center , right’, ‘lower center’, ‘upper center’, ‘center’) ；若是使用了bbox_to_anchor，则这项就无效了

------------------------------------------------------------------------------------------------------------------------------------------------------------

应用：进行最小二乘法的拟合

import numpy as np

import matplotlib.pyplot as plt

x=[1,2,3,4,5,6]

y=[2.6,3.4,4.7,5.5,6.47,7.8]

z1=np.polyfit(x,y,1)

p=np.poly1d(z1)

print(z1)

print(p)

plt.plot(x,y,'r')

z=p(x)

plt.plot(x,z,'b')