如何用Python求解已知斜率与部分点的线性方程以估算Y数组

算法思路 #

已知线性关系 Y = m*X + C，给定斜率m和两组X-Y样本，具体步骤如下：

• 计算截距C：通过线性方程变形得到 C = Y - m*X，可以任选一组已知样本计算；为降低潜在误差，也可对两组样本计算出的C值取平均值。
• 批量生成Y值：遍历X的所有取值（1到1024），代入方程计算对应的Y值。

Python实现 #

def calculate_linear_values(m, known_points, x_start=1, x_end=1024):
    # 基于两组已知点计算截距C的平均值
    c1 = known_points[0][1] - m * known_points[0][0]
    c2 = known_points[1][1] - m * known_points[1][0]
    c = (c1 + c2) / 2
    
    # 生成所有X对应的Y值，返回(X,Y)元组列表
    x_values = range(x_start, x_end + 1)
    y_values = [m * x + c for x in x_values]
    
    return list(zip(x_values, y_values))

# 示例调用
if __name__ == "__main__":
    slope = 0.1336
    known_pairs = [(216, 580), (418, 607)]
    xy_results = calculate_linear_values(slope, known_pairs)
    
    # 打印部分结果示例
    print("前5组X-Y值：")
    for x, y in xy_results[:5]:
        print(f"X={x}, Y={round(y, 4)}")
    
    print("\n最后5组X-Y值：")
    for x, y in xy_results[-5:]:
        print(f"X={x}, Y={round(y, 4)}")

补充说明 #

给定的斜率m与两组样本计算出的理论斜率可能存在微小偏差，取两组样本的C值平均值，能让最终结果更贴合已知数据；计算出的Y值可根据需求调整小数保留位数，示例中保留了4位小数。

内容的提问来源于stack exchange，提问作者vashista