数据平滑

参考资料：https://blog.csdn.net/weixin_42782150/article/details/107176500

一、Savitzky-Golay 滤波器实现曲线平滑

import numpy as np
import matplotlib.pyplot as plt
# 使用Savitzky-Golay 滤波器后得到平滑图线
from scipy.signal import savgol_filter
Size = 100
x = np.linspace(1, Size, Size)
data = np.random.randint(1, Size, Size)
print(data)
# 可视化图线
plt.plot(x, data)
plt.title('before')
plt.show()
y = savgol_filter(data, 5, 3, mode='nearest')
# 可视化平滑后图线
plt.plot(x, y, 'b', label='savgol')
plt.title('after')
plt.show()

二、插值法对折线进行平滑曲线处理

2-D数据平滑：scipy.interpolate

import numpy as np
from matplotlib import pyplot as plt
from scipy.interpolate import make_interp_spline
x = np.array([6, 7, 8, 9, 10, 11, 12])
y = np.array([1.53E+03, 5.92E+02, 2.04E+02, 7.24E+01, 2.72E+01, 1.10E+01, 4.70E+00])
plt.plot(x, y)
plt.title('before')
plt.show()
x_smooth = np.linspace(x.min(), x.max(), 300)  # np.linspace 等差数列,从x.min()到x.max()生成300个数，便于后续插值
y_smooth = make_interp_spline(x, y)(x_smooth)
plt.plot(x_smooth, y_smooth)
plt.title('after')
plt.show()

三、基于Numpy.convolve实现滑动平均滤波

# 实现数据可视化中的数据平滑
import numpy as np
import matplotlib.pylab as plt
'''
其它的一些知识点：
raise：当程序发生错误，python将自动引发异常，也可以通过raise显示的引发异常
一旦执行了raise语句，raise语句后面的语句将不能执行
'''
def moving_average(interval, windowsize):
    window = np.ones(int(windowsize)) / float(windowsize)
    re = np.convolve(interval, window, 'same')
    return re
def LabberRing():
    t = np.linspace(-4, 4, 100)  # np.linspace 等差数列,从-4到4生成100个数
    print('t=', t)
    # np.random.randn 标准正态分布的随机数，np.random.rand 随机样本数值
    y = np.sin(t) + np.random.randn(len(t)) * 0.1  # 标准正态分布中返回1个，或者多个样本值
    print('y=', y)
    plt.plot(t, y, 'k')  # plot(横坐标，纵坐标， 颜色)
    y_av = moving_average(y, 10)
    plt.plot(t, y_av, 'b')
    plt.xlabel('Time')
    plt.ylabel('Value')
    # plt.grid()网格线设置
    plt.grid(True)
    plt.show()
    return
LabberRing()  # 调用函数