如何将原始数据进行平滑处理python

在Python中，对数据进行平滑处理可以通过多种方法实现，以下是一些常见的方法及其代码示例：

1. 移动平均（Moving Average）

 import numpy as np import matplotlib.pyplot as plt 生成示例数据 data = np.array（[10, 15, 12, 18, 20, 14, 16, 22, 19, 25]） 定义移动平均窗口大小 window_size = 3 计算简单移动平均 sma = np.convolve（data, np.ones（window_size）/window_size, mode='valid'） plt.plot（data, label='Original Data'） plt.plot（sma, label='SMA'） plt.legend（） plt.show（） 

2. Savitzky-Golay滤波器

 from scipy.signal import savgol_filter 假设y是时间序列数据 y = np.array（[10, 15, 12, 18, 20, 14, 16, 22, 19, 25]） 调用Savitzky-Golay滤波器 y_smooth = savgol_filter（y, 5, 3） window_length=5, polyorder=3 plt.plot（y, label='Original Data'） plt.plot（y_smooth, label='Savitzky-Golay'） plt.legend（） plt.show（） 

3. 插值法

 from scipy.interpolate import griddata import numpy as np import matplotlib.pyplot as plt  创建模拟数据 x = np.linspace（-2, 2, 100） y = np.linspace（-2, 2, 100） X, Y = np.meshgrid（x, y） Z = np.sin（X2 + Y2） 绘制原始等值线图 plt.figure（） plt.contour（X, Y, Z, levels=10, colors='k'） plt.title（'Original Contour'） 平滑处理 xnew = np.linspace（-2, 2, 300） ynew = np.linspace（-2, 2, 300） Xnew, Ynew = np.meshgrid（xnew, ynew） Znew = griddata（（x, y）, Z, （Xnew, Ynew）, method='cubic'） plt.figure（） plt.contour（Xnew, Ynew, Znew, levels=10, colors='r'） plt.title（'Smoothed Contour'） plt.show（） 

4. 使用Pandas进行平滑处理

 import pandas as pd 创建一个包含时间序列数据的DataFrame data = pd.DataFrame（{'date': pd.date_range（start='1/1/2020', periods=10）, 'value': np.random.randint（1, 100, 10）}） data.set_index（'date', inplace=True） 使用rolling方法进行平滑处理 data_smooth = data.rolling（window=3）.mean（） data.plot（label='Original Data'） data_smooth.plot（label='Rolling Mean'） plt.legend（） plt.show（） 

以上示例展示了如何使用不同的方法对数据进行平滑处理。您可以根据具体需求选择合适的方法。