Python中的平滑/噪声过滤数据

Question

我有一个包含以下数据的表

article price   wished outcome
horse    10         10
duck     15         15
child    9        15 - 21
panda    21         21
lamb     24         22
gorilla  23         23

我希望将列Price平滑到期望的Price，然后将其放入dataframe中，这样我就可以看到这些值。

​

​

请问，有没有什么内置的库方法可以平滑数据？以这种格式？

我发现了savitzky-golay滤波器、移动平均等等，但我无法对这些数据进行处理-其中x轴是某个乘积=非值。

求求你，你能帮忙吗？

谢谢！

 d = {'Price': [10, 15, 9, 21,24,23], 'Animal': ['horse', 'lamb', 'gorilla', 'child','panda','duck']}
 df = pd.DataFrame(d)

 import matplotlib.pyplot as plt 
 from scipy.optimize import curve_fit
 from scipy.interpolate import interp1d
 from scipy.signal import savgol_filter
 import numpy as np

 x = np.arange(1,len(df)+1)
 y = df['Price']

 xx = np.linspace(x.min(),x.max(), 1001)

 # interpolate + smooth
 itp = interp1d(x,y, kind='quadratic') #kind = 'linear', 'nearest' (dobre      vysledky), slinear (taky ok), cubic (nebrat), quadratic - nebrat
 window_size, poly_order = 1001, 1
 yy_sg = savgol_filter(itp(xx), window_size, poly_order)


 # or fit to a global function
 # to stejne jako scipy.optimize.curve.fit 
 def func(x, A, B, x0, sigma):
     return A+B*np.tanh((x-x0)/sigma)

 fit, _ = curve_fit(func, x, y)
 yy_fit = func(xx, *fit)

 fig, ax = plt.subplots(figsize=(7, 4))
 ax.plot(x, y, 'r.', label= 'Unsmoothed curve')
 ax.plot(xx, yy_fit, 'b--', label=r"$f(x) = A + B \tanh\left(\frac{x-x_0}     {\sigma}\right)$")
 ax.plot(xx, yy_sg, 'k', label= "Smoothed curve")
 plt.legend(loc='best')


 I am getting : AttributeError: 'range' object has no attribute 'min'

Savitzky golay产生了非常奇怪的值。窗口长度为1000

​

​

当我将window设置为len(df) +1 (为了使其为奇数)时，我会得到以下数据：

​

​

Answer 1

因为下面这行代码，你会得到这个错误：x = range(1,len(df))。

正如错误所告诉您的，range对象没有min属性。

但是，numpy.array()是这样做的，所以如果您将该行更改为x = np.arange(1, len(df))，则此错误(至少)将消失。

编辑:为了让函数执行您希望它做的事情，您应该将其更改为x = np.arange(1, len(df)+1)