如何创建一个循环来对相同x的y的不同数据集进行曲线拟合？在Python中

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

# 定义曲线拟合的函数
def func(x, a, b, c):
    return a * x**2 + b * x + c

# 定义数据集
x = np.linspace(0, 10, 100)  # x范围为0到10，共100个点
y1 = func(x, 1, 2, 3)  # 第一个数据集
y2 = func(x, 2, -1, 4)  # 第二个数据集
y3 = func(x, -1, 3, 2)  # 第三个数据集

# 创建一个循环来对不同数据集进行曲线拟合
datasets = [y1, y2, y3]  # 数据集列表
fit_params = []  # 存储拟合参数的列表

for dataset in datasets:
    params, _ = curve_fit(func, x, dataset)  # 进行曲线拟合
    fit_params.append(params)  # 将拟合参数添加到列表中

# 打印拟合参数
for i, params in enumerate(fit_params):
    print(f"数据集{i+1}的拟合参数：a={params[0]}, b={params[1]}, c={params[2]}")

# 绘制拟合曲线
plt.plot(x, y1, 'ro', label='Data 1')
plt.plot(x, y2, 'bo', label='Data 2')
plt.plot(x, y3, 'go', label='Data 3')

for i, params in enumerate(fit_params):
    y_fit = func(x, *params)
    plt.plot(x, y_fit, label=f'Fit {i+1}')

plt.legend()
plt.xlabel('x')
plt.ylabel('y')
plt.title('Curve Fitting')
plt.show()