如何在Python中使用numpy.polyval评估多元线性函数？

嘿，我来帮你理清这个问题～首先得明确：numpy.polyval是专门用来计算一元多项式的工具，比如像 $y = c_2x^2 + c_1x + c_0$ 这种单变量的多项式，它完全不支持多输入变量的情况，而且它的系数顺序是最高次项在前，常数项在后，和你给出的多元线性函数的系数顺序也不匹配，直接用它肯定得不到你想要的结果。

那针对你给出的多元线性函数 $y = a + bx_1 + cx_2$，正确的做法其实是利用线性组合的特性，用NumPy的点积来实现，或者直接手动展开计算，下面给你具体的代码示例：

准备输入数据 #

首先定义你给出的变量和系数：

import numpy as np

X = np.array([2, 4])       # x1=2，x2=4
coef = np.arange(1, 4)     # a=1，b=2，c=3

方法一：手动展开计算 #

直接按照函数公式代入数值，适合变量少的场景：

y = coef[0] + coef[1] * X[0] + coef[2] * X[1]
print(y)  # 输出：17

方法二：用点积实现（更通用） #

多元线性函数本质是输入变量（加上常数项对应的1）和系数的点积，这种方法适合变量较多的情况，扩展性更强：

# 给输入变量前面添加一个1，对应常数项a的乘数
extended_input = np.hstack([1, X])
# 计算点积得到结果
y = np.dot(extended_input, coef)
print(y)  # 输出：17

为什么不能用polyval？ #

这里特意提一下，如果你硬要尝试polyval，会得到完全不符合预期的结果：

# 错误示例！不要这么用
wrong_result = np.polyval(coef, X)
print(wrong_result)  # 输出：[11 27]

这是因为polyval会把coef当成一元多项式的系数（最高次在前），计算的是 $1x^2 + 2x + 3$，代入X的两个值后得到的是11和27，和你需要的多元线性函数结果完全无关。

内容的提问来源于stack exchange，提问作者user8670645