如何从numpy Polynomial.fit()获取可移植的正确多项式系数？

核心原因是numpy.polynomial.Polynomial.fit()为了避免高阶多项式拟合的数值不稳定，会自动对输入变量x做缩放平移变换（将x映射到[-1,1]区间），因此直接从拟合结果中提取的系数是对应变换后变量的，而非原始电压值x的系数。必须先转换回标准基多项式，才能得到可直接用于原始x计算的系数。

正确步骤与代码修正 #

import pandas as pd
from numpy.polynomial import Polynomial as P

df = pd.read_csv('data.csv')
x = df.voltage
y = df.percentage

# 拟合8阶多项式（内部已做变量变换）
p_fitted = P.fit(x, y, 8)

# 转换为标准基多项式（对应原始电压x的多项式）
p_standard = p_fitted.convert()

# 获取x^0到x^8的系数，顺序为[常数项, x^1项, x^2项, ..., x^8项]
correct_coefficients = p_standard.coef

def percentage(voltage):
    total = 0.0
    for power, coef in enumerate(correct_coefficients):
        total += coef * (voltage ** power)
    # 限制结果在0-100区间内
    return max(0.0, min(100.0, total))

# 验证结果一致性
print(p_fitted(3.64))       # 预期输出49.139左右
print(percentage(3.64))     # 现在结果与上方完全一致

关键细节说明 #

1. 变量变换的影响：P.fit()生成的多项式是基于变换后的变量x' = (x - x_mean)/x_scale的，直接用这些系数代入原始x计算会完全偏离正确结果。
2. convert()方法的作用：将变换后的多项式重新转换为原始x的标准基多项式，此时coef属性就是严格对应x^0到x^8的系数，顺序无需反转。
3. 结果验证：用p_standard(voltage)直接计算，会和你自己实现的percentage()函数结果完全一致，证明系数正确。

内容的提问来源于stack exchange，提问作者tmountjr