求解两条曲线的缩放系数与偏移量（线性问题求解）

先明确你代码里的核心问题：

• 目标函数逻辑错误：你用了残差的均值np.mean(c1 - (c2*x1 +x2))，正负残差会相互抵消，根本没法正确量化误差。应该用残差平方的均值或残差平方和，让所有误差都转化为正数值进行最小化。
• scipy.minimize参数顺序错误：正确调用格式是scipy.optimize.minimize(目标函数, 初始猜测值, args=(额外参数))，你把c1、c2放到了初始猜测的位置，导致参数传递混乱，这就是报错的直接原因。
• 模型关系搞反：实际模型是c2 = a*c1 + b，你写的残差逻辑颠倒了c1和c2的位置。

方法一：线性代数解析解（最直接高效） #

因为你的问题是线性模型，属于标准线性回归问题，直接用最小二乘解析解就能得到精确结果，不需要迭代优化：

import numpy as np

t = np.arange(0, 10, 0.1)
c1 = np.sin(t)
c2 = c1*2.5 + 4

# 构造线性方程组的系数矩阵
A = np.vstack([c1, np.ones(len(c1))]).T
# 最小二乘求解
a, b = np.linalg.lstsq(A, c2, rcond=None)[0]

print(f"a = {a:.4f}, b = {b:.4f}")

运行后直接输出a = 2.5000, b = 4.0000，完全符合预期。

方法二：修正scipy.minimize的用法 #

如果一定要用优化方法，修正目标函数和参数传递即可：

import numpy as np
from scipy.optimize import minimize

t = np.arange(0, 10, 0.1)
c1 = np.sin(t)
c2 = c1*2.5 + 4

# 目标函数：计算残差平方和（或均方误差，优化结果等价）
def func(x, c1, c2):
    a, b = x
    residuals = c1*a + b - c2
    return np.sum(residuals**2)

x_start = [2, 10]  # 初始猜测值
# 正确传递额外参数：args=(c1, c2)
result = minimize(func, x_start, args=(c1, c2))

print(f"a = {result.x[0]:.4f}, b = {result.x[1]:.4f}")

运行后同样能得到正确的a、b值。

内容的提问来源于stack exchange，提问作者Pickels