优化这段代码def parabola(x, a, b, c): return a * x**2 + b * x + c params_parabola, _ = opt.curve_fit(parabola, x, y) a_parabola, b_parabola, c_parabola = params_parabola print(f"抛物线拟合：y = {a_parabola:.4f}x^2 + {b_parabola:.4f}x + {c_parabola:.4f}")

这段代码已经很简洁了，但还有一些可以优化的地方：

1. 在函数定义时可以添加注释，说明每个参数的含义。

2. 函数名 parabola 可以更具体一些，比如 quadratic_function。

3. 使用 f-string 格式化字符串时，可以使用更清晰的变量名，比如 a, b, c 可以改为 a_parabola, b_parabola, c_parabola。

4. 在 print 语句中，可以使用 format 方法代替 f-string，这样可以更好地控制输出格式。

综上所述，可以将代码优化为：

def quadratic_function(x: np.ndarray, a: float, b: float, c: float) -> np.ndarray:
    """二次函数"""
    return a * x ** 2 + b * x + c

params, _ = opt.curve_fit(quadratic_function, x, y)
a_parabola, b_parabola, c_parabola = params

print("抛物线拟合：y = {:.4f}x^2 + {:.4f}x + {:.4f}".format(a_parabola, b_parabola, c_parabola))

这样代码更具可读性和可维护性。