在不拉伸的情况下拟合正弦波，可以使用最小二乘法来拟合函数。最小二乘法是一种常见的回归分析方法，可以用于拟合各种函数形式。

以下是一个使用最小二乘法拟合正弦波的示例代码：

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

# 定义正弦函数
def sine_func(x, amplitude, frequency, phase):
    return amplitude * np.sin(frequency * x + phase)

# 生成样本数据
x = np.linspace(0, 2 * np.pi, 100)
y = sine_func(x, 1, 1, 0)  # 使用幅度为1，频率为1，相位为0的正弦函数生成样本数据

# 添加噪声
np.random.seed(0)
y_noise = y + 0.5 * np.random.normal(size=len(x))

# 使用最小二乘法拟合正弦函数
popt, pcov = curve_fit(sine_func, x, y_noise)

# 绘制原始数据和拟合结果
plt.plot(x, y_noise, 'bo', label='Noisy data')
plt.plot(x, sine_func(x, *popt), 'r-', label='Fitted curve')
plt.legend()
plt.show()

上述代码中，首先定义了一个正弦函数 sine_func，接着生成了一组样本数据 x 和 y，并为 y 添加了一定的噪声。然后使用 curve_fit 函数进行最小二乘法拟合，得到拟合参数 popt 和协方差矩阵 pcov。最后，绘制了原始数据和拟合结果的图形。

通过运行上述代码，可以看到拟合结果（红色曲线）与原始数据（蓝色散点）较好地吻合，实现了在不拉伸的情况下拟合正弦波。