在Python中，可以使用numpy和scipy庫中的函數來實現數據擬合。
首先，你需要導入所需的庫：
import numpy as np
from scipy import optimize
然后，你需要創建一個包含你的數據的數組。假設你的x和y值存儲在兩個分別為x_data和y_data的數組中。
接下來，你可以選擇一個合適的擬合函數，并定義一個用于擬合的函數。這個函數將接收一個包含要擬合的參數的數組，并返回與給定參數相對應的擬合曲線。
def func(x, a, b, c):
return a * np.exp(-b * x) + c
然后，你可以使用optimize.curve_fit函數來進行擬合。這個函數需要傳入擬合函數、x和y數據以及一個初始參數的數組。它將返回一個包含擬合參數和協方差矩陣的元組。
params, params_covariance = optimize.curve_fit(func, x_data, y_data)
最后，你可以使用擬合參數來計算擬合曲線，并將其繪制在原始數據上。
x_fit = np.linspace(min(x_data), max(x_data), 100)
y_fit = func(x_fit, params[0], params[1], params[2])
import matplotlib.pyplot as plt
plt.scatter(x_data, y_data, label='Data')
plt.plot(x_fit, y_fit, label='Fit')
plt.legend()
plt.show()
這樣，你就可以通過擬合函數來擬合你的數據，并將擬合曲線繪制在原始數據上。
