首先我们将数据集转变为长数据格式，长格式就是每种类型结束后接着接另一个变量的值，并在另一列中加上该值的类型，格式如下：
读者在进行运用的时候，只需要更改下目录即将setwd("D:/qixiang/final")变为自己的数据存放路径，data1 type, levels=c('PPT','ET','FWS','RWCN','RWCC','IWCC')) 部分改为自己的变量顺序。p4<-p2+ylab("water component(mm)")+xlab("year") #设置y轴和x轴的名称中改成自己的y轴和x轴名称，p12<-p11+labs(title="Songhua River Basin")中改成自己的标题名称。在想得到图像时，在命令框中输入p12或p13,点击回车即可，见下图
p13中增加了线条而p12中没有增加线条，根据需要自己取舍。建议设置好后通过R运行一遍，在R中将结果保存为pdf，然后通过ps调整分辨率即可。
需要数据来进行操作的读者，可以发邮件到 [email protected] ，看到后会尽快发过去
更多需求，请查看个人介绍
很多业务场景中，我们希望通过一个特定的函数来拟合业务数据，以此来预测未来数据的变化趋势。(比如用户的留存变化、付费变化等)本文主要介绍在 Python 中常用的两种曲线拟合方法：多项式拟合 和 自定义函数拟合。
通过多项式拟合，我们只需要指定想要拟合的多项式的最高项次是多少即可。
运行结果：
对于自定义函数拟合，不仅可以用于直线、二次曲线、三次曲线的拟合，它可以适用于任意形式的曲线的拟合，只要定义好合适的曲线方程即可。
运行结果：
输入图像转为灰度图像 - 使用 Canny 进行边缘提取，得到二值图像 - 使用 findContours 寻找轮廓 - 使用 drawContours 绘制轮廓
