通过 polynomial.legendre 拟合并得到系数
fitting by polynomial.legendre and got the coefficients
当我使用它们时
np.polynomial.legendre.Legendre.fit(x,y,25)
我得到了 26 个系数，而在 n=25 的勒让德公式中我应该有 13 个系数这里发生了什么？
以及怎样才能得到这种拟合使用的公式？
一定是正确的，如果你提供deg（度数），你将deg+1系数。
25是度数，别忘了常数系数。
当 fit 方法的参数 deg 是整数时，它指定（实际上）要使用的勒让德多项式的数量。例如，如果 deg=3，则 fit 方法找到系数 c0、c1、c2 和 c3，使得
f(x) = c0*P0(x) + c1*P1(x) + c2*P2(x) + c3*P3(x)
是适合您数据的最小二乘法，其中 P0(x)、P1(x) 等是勒让德多项式。
换句话说，fit 方法计算最适合您的数据的勒让德多项式 系列 。 fit 方法 returns numpy.polynomial.legendre.Legendre 的一个实例，它是（如其文档字符串中所解释的）一系列勒让德多项式的表示。
当我使用它们时
np.polynomial.legendre.Legendre.fit(x,y,25)
我得到了 26 个系数，而在 n=25 的勒让德公式中我应该有 13 个系数这里发生了什么？
以及怎样才能得到这种拟合使用的公式？
一定是正确的，如果你提供deg（度数），你将deg+1系数。 25是度数，别忘了常数系数。
当 fit 方法的参数 deg 是整数时，它指定（实际上）要使用的勒让德多项式的数量。例如，如果 deg=3，则 fit 方法找到系数 c0、c1、c2 和 c3，使得
f(x) = c0*P0(x) + c1*P1(x) + c2*P2(x) + c3*P3(x)
是适合您数据的最小二乘法，其中 P0(x)、P1(x) 等是勒让德多项式。
换句话说，fit 方法计算最适合您的数据的勒让德多项式 系列 。 fit 方法 returns numpy.polynomial.legendre.Legendre 的一个实例，它是（如其文档字符串中所解释的）一系列勒让德多项式的表示。