Python 中的平滑/噪声过滤数据

Question

我有table数据如下

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

我想将 Price 列平滑到所需的 Price，然后将其放入数据框中，以便我看到值。

拜托，是否有一些内置的库 - 平滑数据的方法？采用这种格式？

我找到了 savitzky-golay 过滤器、移动平均线等。但我没能在这些数据上做到这一点——x 轴是某种产品 = 不是价值。

拜托，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 正在产生非常奇怪的值。 window 长度为 1000

当我将 window 设置为 len(df) +1 （为了它是奇数）然后我得到这些数据：

Answer 1

您收到该错误是因为以下行： x = range(1,len(df)).

正如错误告诉您的那样，range 对象没有属性 min。

但是，numpy.array()s 会，所以如果您将该行更改为 x = np.arange(1, len(df)) 那么这个错误（至少）就会消失。

编辑：为了使函数执行您希望它执行的操作，您应该将其更改为 x = np.arange(1, len(df)+1)

Python 中的平滑/噪声过滤数据

Smoothing / noise filtering data in Python

python

smoothing

pandas