1. 什么是多项式拟合
多项式拟合是一种通过寻找最佳拟合曲线来逼近一组数据的方法。多项式函数可以用来拟合非线性的数据，使其更贴近实际情况。在Python中，使用numpy库中的np.polyfit函数可以实现多项式拟合。
2. np.polyfit函数
np.polyfit函数用于多项式拟合，可以根据给定的数据和拟合的阶数，返回拟合的多项式系数。具体的函数定义如下：
np.polyfit(x, y, deg)
其中，参数x是一维数组，包含了作为自变量的数据；参数y是一维数组，包含了作为因变量的数据；参数deg表示拟合的多项式的阶数。
2.1 拟合例子
假设我们有一组温度和时间的实测数据，我们想要通过拟合曲线来预测未来某个时间点的温度。首先，我们需要将时间作为自变量x，温度作为因变量y，然后使用np.polyfit进行拟合。
import numpy as np
time = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
temperature = [12, 15, 18, 20, 22, 23, 25, 26, 27, 28]
coefficients = np.polyfit(time, temperature, 3)
上述代码中，我们将时间数据赋值给变量time，温度数据赋值给变量temperature。然后，使用np.polyfit函数进行拟合，拟合的多项式阶数为3，最后将拟合结果保存在变量coefficients中。
上述代码可以得到拟合的多项式系数coefficients，即对应的多项式：coefficients[0] * x^3 + coefficients[1] * x^2 + coefficients[2] * x + coefficients[3]。
2.2 使用拟合结果进行预测
拟合完成后，我们可以通过拟合的多项式系数来预测未来的温度。我们可以使用numpy库中的np.poly1d函数将拟合的系数转化为多项式对象，然后使用该对象调用某个时间点进行预测。
poly_func = np.poly1d(coefficients)
future_time = 11
future_temperature = poly_func(future_time)
上述代码中，我们首先使用np.poly1d函数将拟合系数coefficients转化为多项式对象poly_func。然后，我们给出一个未来的时间点future_time，使用poly_func调用该时间点进行温度预测，预测结果保存在变量future_temperature中。
在这个例子中，我们预测了时间点为11的温度，具体的预测值为future_temperature。
3. np.polyval函数
np.polyval函数是计算一维多项式的值，可以使用拟合的系数和自变量的值，计算对应的因变量的值。
np.polyval(coefficients, x)
其中coefficients为多项式的系数，x为自变量的值。
3.1 使用np.polyval进行预测
除了使用np.poly1d对象进行预测外，我们还可以直接使用np.polyval函数进行预测。与使用poly_func进行预测相比，使用np.polyval直接计算可以更加简洁。
future_temperature = np.polyval(coefficients, future_time)
使用np.polyval函数，直接提供拟合的系数coefficients和未来的时间点future_time，可以得到对应的预测温度值future_temperature。
4. 总结
本文介绍了Python中使用np.polyfit和np.polyval进行多项式拟合和预测的方法。通过拟合一组实测数据，可以得到拟合的多项式系数，然后使用该系数进行预测。拟合可以使得预测结果更加接近实际情况，对于非线性的数据具有较好的拟合效果。