如何实现适配x=y²的多项式拟合？解决numpy polyfit不适配问题

原代码问题分析 #

你用np.polyfit(x, y, 2)拟合的是y关于x的二次函数（y = ax²+bx+c），但你的数据是x=y²——这是x作为y的单值二次函数，且单个x对应两个y值。直接拟合y(x)属于用单值函数模型匹配多值关系，必然拟合失效。

解决方案思路 #

1. 反向拟合：拟合x关于y的二次多项式（x = ay² + by + c），因为x是y的单值函数，完全匹配你的数据分布，拟合精度会很高。
2. 解二次方程：对于任意输入x，通过解二次方程ay² + by + (c - x) = 0，得到两个y值（对应正负根），满足单个x输出两个y的需求。

完整实现代码 #

import numpy as np
import matplotlib.pyplot as plt

def get_x_vs_y_polyfit(points):
    # 提取y和x向量，拟合x关于y的二次多项式
    y = points[:, 1]
    x = points[:, 0]
    
    # 拟合得到 x = a*y² + b*y + c 的系数
    coeffs = np.polyfit(y, x, 2)
    p = np.poly1d(coeffs)
    
    # 生成拟合曲线用于可视化
    y_new = np.linspace(y.min(), y.max(), 100)
    x_new = p(y_new)
    
    plt.scatter(x, y, label='原始数据')
    plt.plot(x_new, y_new, 'r-', label='拟合曲线')
    plt.xlim([x.min()-1, x.max()+1])
    plt.legend()
    plt.show()
    
    return coeffs

def calculate_y_from_x(coeffs, x):
    # 解二次方程获取两个y值
    a, b, c = coeffs
    discriminant = b**2 - 4*a*(c - x)
    if discriminant < 0:
        return None  # 无实数解的情况
    sqrt_d = np.sqrt(discriminant)
    y1 = (-b + sqrt_d) / (2*a)
    y2 = (-b - sqrt_d) / (2*a)
    return y1, y2

def main():
    arr = []
    for i in range(0, 20):
        arr.append([pow(i,2), -i])
    for i in range(0, 20):
        arr.append([pow(i,2), i])
    
    arr = np.array(arr)
    coeffs = get_x_vs_y_polyfit(arr)
    target_x = 19*19
    y_values = calculate_y_from_x(coeffs, target_x)
    print(f"x={target_x}对应的y值：{y_values}")

if __name__ == "__main__":
    main()

代码说明 #

• get_x_vs_y_polyfit：负责拟合x与y的二次关系，返回多项式系数，同时绘制原始数据和拟合曲线验证效果。
• calculate_y_from_x：输入x和拟合系数，通过求解二次方程得到两个y值，判别式小于0时返回None（无实数解）。
• 运行后，针对x=361（19²）会输出接近(19.0, -19.0)的结果，完全符合预期。

内容的提问来源于stack exchange，提问作者somevisionproblems