对比曲线图形比较拟合效果：要求把图形窗口分成四个子图，子图1绘制出原始测量值（描点，后面同理）和一阶多项式拟合后的曲线，子图2绘制出原始测量值和二阶多项式拟合后的曲线；子图3绘制出原始测量值和三阶多项式拟合后的曲线；子图4绘制出原始测量值和四阶多项式拟合后的曲线。并在每个子图上注明，x轴（时间），y轴（强度）标签，子图名称（例如：一阶多项式拟合曲线）。列出你的代码

以下是一个示例代码，用于绘制四个子图，分别展示不同阶数的多项式拟合效果： ```python import numpy as np import matplotlib.pyplot as plt # 原始测量值 x = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) y = np.array([2, 4, 6, 8, 10, 12, 14, 16, 18, 20]) # 一阶多项式拟合 poly1 = np.polyfit(x, y, 1) poly1_fn = np.poly1d(poly1) # 二阶多项式拟合 poly2 = np.polyfit(x, y, 2) poly2_fn = np.poly1d(poly2) # 三阶多项式拟合 poly3 = np.polyfit(x, y, 3) poly3_fn = np.poly1d(poly3) # 四阶多项式拟合 poly4 = np.polyfit(x, y, 4) poly4_fn = np.poly1d(poly4) # 绘制四个子图 fig, axs = plt.subplots(2, 2, figsize=(10, 8)) # 子图1：一阶多项式拟合曲线 axs[0, 0].scatter(x, y, label='原始测量值') axs[0, 0].plot(x, poly1_fn(x), color='red', label='一阶多项式拟合曲线') axs[0, 0].set_xlabel('时间') axs[0, 0].set_ylabel('强度') axs[0, 0].set_title('一阶多项式拟合曲线') axs[0, 0].legend() # 子图2：二阶多项式拟合曲线 axs[0, 1].scatter(x, y, label='原始测量值') axs[0, 1].plot(x, poly2_fn(x), color='green', label='二阶多项式拟合曲线') axs[0, 1].set_xlabel('时间') axs[0, 1].set_ylabel('强度') axs[0, 1].set_title('二阶多项式拟合曲线') axs[0, 1].legend() # 子图3：三阶多项式拟合曲线 axs[1, 0].scatter(x, y, label='原始测量值') axs[1, 0].plot(x, poly3_fn(x), color='blue', label='三阶多项式拟合曲线') axs[1, 0].set_xlabel('时间') axs[1, 0].set_ylabel('强度') axs[1, 0].set_title('三阶多项式拟合曲线') axs[1, 0].legend() # 子图4：四阶多项式拟合曲线 axs[1, 1].scatter(x, y, label='原始测量值') axs[1, 1].plot(x, poly4_fn(x), color='orange', label='四阶多项式拟合曲线') axs[1, 1].set_xlabel('时间') axs[1, 1].set_ylabel('强度') axs[1, 1].set_title('四阶多项式拟合曲线') axs[1, 1].legend() # 调整子图之间的间距 plt.tight_layout() # 显示图形 plt.show() ``` 你可以根据自己的实际数据进行修改和调整，代码中的注释会帮助你理解每一步的操作。