Python数据可视化：使用Numpy拟合多项式曲线

这段代码展示了如何使用Python的Numpy库将数据点拟合为多项式曲线。

首先，使用np.polyfit(N, times, 3)函数根据数据点N和times拟合一个3次多项式曲线。curve_brute_force，curve_backtrack和curve_branch_bound分别存储了不同算法的拟合曲线系数。

然后，使用np.linspace(min(N), max(N), 100)生成100个在数据点最小值和最大值之间的平滑数据点smooth_N。

最后，使用np.polyval(curve, smooth_N)根据拟合曲线的系数和smooth_N计算平滑曲线上的时间值。smooth_times_brute_force，smooth_times_backtrack和smooth_times_branch_bound分别存储了对应算法的平滑曲线上的时间值。

这段代码可以用于可视化不同算法的性能差异，例如将不同算法的运行时间绘制成平滑曲线进行比较。