当使用y=kx+b时，与x轴垂直的直线无法计算。因此使用法线式ysin(theta)+xcos(theta) = dist。貌似这么用有点复杂了，直接使用ax+by=1不知道能不能计算，未测试。

1. # 修改自 http://www.cnblogs.com/NanShan2016/p/5493429.html
4. ### 最小二乘法 python leastsq###
5. import numpy as np
6. import math
7. from scipy.optimize import leastsq
9. ###采样点(Xi,Yi)###
10. Xi=np.array([-1,-1])
11. Yi=np.array([0,10])
16. # p是个数组，表示所有参数!!!
17. ### 定义误差函数，拟合y=kx+b，p[0]表示k，p[1]表示b
18. ### 法线式 y*sin(theta)+x*cos(theta) = dist
19. def error(p,x,y):
20. return y*math.sin(p[0])+x*math.cos(p[0])-p[1] #x、y都是列表，故返回值也是个列表
24. ###主函数从此开始###
25. # 可能是使用梯度下降法而非矩阵运算，因此需要给定初始参数p0
26. p0=[0,1]
27. Para=leastsq(error,p0,args=(Xi,Yi)) #把error函数中除了p以外的参数打包到args中
28. theta = Para[0][0]
29. dist = Para[0][1]
30. print("theta=",theta,'\n',"dist=",dist)
32. ###绘图，看拟合效果###
33. import matplotlib.pyplot as plt
34. plt.axis([-10,10,-10,10])
37. plt.scatter(Xi,Yi,color="red",label="Sample Point",linewidth=3) #画样本点
41. if theta != 0:
42. x=np.linspace(-10,10,10)
43. y=dist/math.sin(theta)-x/math.tan(theta)
44. else:
45. x = dist
46. y = np.linspace(-10,10,10)
49. plt.plot(x,y,color="orange",label="Fitting Line",linewidth=2) #画拟合直线
50. plt.legend()
51. plt.show()