Python是一种广泛用于数据科学的编程语言，在处理数据时，经常需要对数据进行拟合，以便更好地理解数据的相关性。Python提供了丰富的数据拟合库，这里我们介绍如何使用Python中的matplotlib库绘制数据拟合图。

# 导入库
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
# 创建数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([1.1, 3.3, 6.5, 10.2, 14.8])
# 定义拟合函数
def fitting_function(x, a, b, c):
return a * np.power(x, 2) + b * x + c
# 拟合数据
popt, pcov = curve_fit(fitting_function, x, y)
# 绘制数据和拟合曲线
plt.scatter(x, y)
plt.plot(x, fitting_function(x, *popt), 'r')
plt.show()

以上代码中，我们首先导入所需库，然后使用numpy库创建了一组数据，用于拟合。接着，我们定义了拟合函数，该函数采用三个自变量。最后，我们使用curve_fit函数拟合数据，并将结果绘制在图表中。如图所示：

在图表中，蓝色的点表示数据，红色的曲线表示拟合曲线。我们可以看到，用拟合曲线更好地表达了数据的相关性。