在數(shù)據(jù)分析和機器學(xué)習(xí)領(lǐng)域中，擬合線是一種常見的工具，可以用于展示樣本數(shù)據(jù)的趨勢和規(guī)律。Python中有許多強大的庫和函數(shù)可以畫擬合線，例如Numpy和Scipy。

import numpy as np
from scipy import stats
import matplotlib.pyplot as plt
# 生成隨機樣本數(shù)據(jù)
x = np.array([2, 3, 4, 5, 6])
y = np.array([5, 7, 9, 11, 13])
# 計算線性回歸參數(shù)
slope, intercept, r_value, _, _ = stats.linregress(x,y)
# 畫出原始數(shù)據(jù)和擬合線
plt.plot(x,y,'o',label='original data')
plt.plot(x,slope*x+intercept,label='fit line')
plt.legend()
plt.show()

上述代碼中，我們使用Numpy生成了一組隨機樣本數(shù)據(jù)，然后使用Scipy中的線性回歸函數(shù)計算出擬合線的斜率和截距。最后使用Matplotlib畫出了原始數(shù)據(jù)和擬合線的圖像。