很多业务场景中，我们希望通过一个特定的函数来拟合业务数据，以此来预测未来数据的变化趋势。(比如用户的留存变化、付费变化等)
成都创新互联公司提供成都网站制作、网站建设、外贸网站建设、网页设计，品牌网站设计，一元广告等致力于企业网站建设与公司网站制作，十多年的网站开发和建站经验,助力企业信息化建设，成功案例突破上1000家,是您实现网站建设的好选择.
本文主要介绍在 Python 中常用的两种曲线拟合方法：多项式拟合 和 自定义函数拟合。
通过多项式拟合，我们只需要指定想要拟合的多项式的最高项次是多少即可。
运行结果：
对于自定义函数拟合，不仅可以用于直线、二次曲线、三次曲线的拟合，它可以适用于任意形式的曲线的拟合，只要定义好合适的曲线方程即可。
运行结果：
用函数。
根据身高计算公式，输入父母身高，计算一下自己的身高是否在理论范围之内，输出自己的结果，偏低、偏高、还是范围内，男生理论身高=45。990。78x父高+母高除以25。29女生理论身编程，根据身高计算公式，输入父母身高，计算一下自己的身高是否在理论范围之内，输出自己的结果，偏低，偏高，还是范围内。
按照题目要求编写的Python程序如下
def calBMI(height,weight):
BMI=weight/(height*height)
if BMI18.5:
return [BMI,"过轻"]
elif BMI24:
return [BMI,"正常"]
elif BMI28:
return [BMI,"过重"]
else:
return [BMI,"肥胖"]
import re
s=input("请输入你的身高(米)和体重(公斤)【逗号隔开】：")
s1=re.split(r'[,，]',s)
height=float(s1[0])
weight=float(s1[1])
name="李子健"
bmi=calBMI(height,weight)
print("{}的测算结果为：".format(name))
print("BMI:%.2f"%bmi[0])
print(bmi[1])
源代码(注意源代码的缩进)
people = [{'name': 'Mary', 'height': 160},{'name': 'Isla', 'height': 80},
{'name': 'Sam'}]
height=0
n=0
for i in range(len(people)):
if isinstance((people[i].get('height')),int):
n=n+1
height=people[i].get('height')+ height
else:
print('人员的平均身高为%s'% (height/n))
#过程性编程方式
求拟合函数，首先要有因变量和自变量的一组测试或实验数据，根据已知的曲线y=f(x)，拟合出Ex和En系数。当用拟合出的函数与实验数据吻合程度愈高，说明拟合得到的Ex和En系数是合理的。吻合程度用相关系数来衡量，即R^2。首先，我们需要打开Python的shell工具，在shell当中新建一个对象member，对member进行赋值。 2、这里我们所创建的列表当中的元素均属于字符串类型，同时我们也可以在列表当中创建数字以及混合类型的元素。 3、先来使用append函数对已经创建的列表添加元素，具体如下图所示，会自动在列表的最后的位置添加一个元素。 4、再来使用extend对来添加列表元素，如果是添加多个元素，需要使用列表的形式。 5、使用insert函数添加列表元素，insert中有两个参数，第一个参数即为插入的位置，第二个参数即为插入的元素。origin拟合中参数值是程序拟合的结果，自定义函数可以设置参数的初值，也可以不设定参数的初值。
一般而言，拟合结果不会因为初值的不同而有太大的偏差，如果偏差很大，说明数据和函数不太匹配，需要对函数进行改正。X0的迭代初始值选择与求解方程，有着密切的关系。不同的初始值得出的系数是完全不一样的。这要通过多次选择和比较，才能得到较为合理的初值。一般的方法，可以通过随机数并根据方程的特性来初选。
