3.2.8

import numpy as np
# Введём значения координат полёта снаряда вручную и сразу
x_list = input()
y_list = input()
# Переведем эти значения в массив вещественных чисел, внутри переведя в список вещественных чисел
x_array = np.array([float(i) for i in x_list.split()])
y_array = np.array([float(i) for i in y_list.split()])

# Построим тренд, используя в качестве линии тренда полином второй или первой степеней степени,
# Найдём коэффициенты трендов линейного и квадратичного:
poly1 = np.polyfit(x_array, y_array, 1) # Полином первой степени, массив
#Посчтаем значения Y для каждого значения Х, занесём в список и сразу преобразуем в массив через генерацию списка
list_poly1 = np.array([poly1[0] * x_array[i] + poly1[1] for i in range(0, len(x_array))])


poly2 = np.polyfit(x_array, y_array, 2) # Полином второй степени, массив numpy.
list_poly2 = [poly2[0] * x_array[i]**2 + poly2[1] * x_array[i] + poly2[2] for i in range(0, len(x_array))]

# Сравним среднее значение модуля погрешностей и выведем на экран нужные результаты
# Если средний модуль меньше в квадратичной функции, то выводим её значения, в противном случае линейную.
# Такой же результат будет если считать через сумму модулей погрешностей
if np.mean(abs((np.array(list_poly2) - y_array)/y_array)*100) <= np.mean(abs((np.array(list_poly1) - y_array)/y_array)*100):
    print("%5.3f %5.3f %5.3f" % (poly2[0], poly2[1], poly2[2]))
else:
    print("%5.3f %5.3f" % (poly1[0], poly1[1]))