如何使用Numpy对Python数组做二阶polyfit并求拟合多项式的最大值

完整实现代码 #

import numpy as np

# 输入采样点数组
y = np.array([0.04625943, 0.04646331, 0.04636401, 0.04636489, 0.04651253,
              0.0462647 , 0.04549576, 0.04484105, 0.04463366], dtype=np.float32)
# 构造x轴坐标，默认取采样点的索引0~8，有自定义x采样值可直接替换该行
x = np.arange(len(y))

# 二阶多项式拟合，返回系数顺序为二次项、一次项、常数项，对应多项式y = a*x² + b*x + c
coeff = np.polyfit(x, y, 2)
a, b, c = coeff

# 二阶多项式顶点x坐标为固定解析解x0=-b/(2a)，采样点先升后降拟合的a为负，开口向下，该点为最大值点
x0 = -b / (2 * a)
# 计算最大值
max_value = np.polyval(coeff, x0)

# 可选逻辑：要求最大值仅在采样区间[0, 8]内取值时，增加如下区间判断
if x0 < 0 or x0 > len(y)-1:
    max_value = max(np.polyval(coeff, 0), np.polyval(coeff, len(y)-1))

print(f"拟合二阶多项式：y = {a:.6f}x² + {b:.6f}x + {c:.6f}")
print(f"最大值点x坐标：{x0:.2f}，最大值：{max_value:.6f}")

代码说明 #

• 若有自定义的x轴采样坐标，直接替换x = np.arange(len(y))即可
• 采用二阶多项式的解析顶点公式计算最大值，无需遍历采样点，计算效率更高
• 可选的区间判断逻辑可避免极值点落在采样范围外时，得到不符合预期的结果

内容的提问来源于stack exchange，提问作者GNZ