Python数据平滑-需要匹配未知平滑方法的结果（已解决）

Question

我实际上是在尝试重写一个软件，其中没有源代码。

我需要匹配数据平滑结果

例子：

原始数据示例：

` s1 = [1。 1.1.1.1.1.1.0.969。 1. 0.969。 0.938。 0.750。 0.563]

s2 = [0.500, 0.313, 0.500, 0.656, 0.719, 0.969, 1.000, 0.969, 1.000, 1.000, 1.000, 1.000, 1.000, 1.000, 1.000, 1.00] `

平滑后的目标结果（我将结果四舍五入到逗号后的 2 位数以更好地阅读）：

`st1 = [1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 0.996,, 0.988, 0.975, 0.941, 0.873, 0.768, 0.688]

st2 = [0.396, 0.416, 0.525, 0.666, 0.775, 0.883, 0.949, 0.973, 0.992, 1.00, 1.00, 1.00, 1.00, 1.00, 1.00, 1.00] `

我尝试使用 scipy.ndfilters 集中的不同过滤器，但我没有达到确切的结果目标。

from scipy.ndimage import uniform_filter1d as filter

s = [0.500, 0.313, 0.500, 0.656, 0.719, 0.969, 1.000, 0.969, 1.000, 1.000, 1.000, 1.000, 1.000, 1.000, 1.000, 1.00]

st = "0.396 | 0.416 | 0.525 | 0.666 | 0.775 | 0.883 | 0.949 | 0.973 | 0.992 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00"

def moving_avg(arr):

    for i in range(1, 6):

        z = ""

        csm = filter(arr, i, axis=-1)

        for num in csm:

            y = round(num*1000)/1000

            z += str(y) + " | "

        print(str(i) + ": " + z[:-3] + "\n")


moving_avg(s)

print("Y: " + str(st))


def test_smoothing(arr, num):
    sumup = 0
    for item in arr[num-2:num+3]:
        sumup += item
        print(item)
    res = sumup / 5
    print(res)

test_smoothing(s, 2)

打印（“ “）

打印（st[2]）

我使用字符串能够快速直观地比较数据。

我知道，旧软件使用了mathlab smoothing function，但我没有mathlab license，我不知道原来的软件使用哪个函数来平滑数据。 我试着看一下 mathlab 平滑文档。但我必须承认我不是数学天才，也没有接受过高等数学教育。意味着我不知道如何构建公式来获得这些结果。

https://www.mathworks.com/help/curvefit/smoothing-data.html

我真的不知道如何处理数据以获得所需的平滑结果。

我玩了几个 scipy 过滤器，但还没有成功。

我希望你能给我一个提示，如何实现平滑以获得所需的目标值。

更好的说明图片：

感谢您的建议。

Kitsab

我试图构建一个公式来获得想要的结果，我尝试使用 scipy ndimage 过滤器

Answer 1

数据集是一个 16 x 16 字段的数组：

array = [[0] * 16] * 16

。这将由 0 到 1 之间的数据填充。

从我进行的测试（见下文）中，我认识到数据平滑窗口在 x 和 y 方向上设置为 3，并弄清楚平滑是如何发生的。

最终公式为：

smoothed_value = (raw_target * 4 + raw(above + below + left + right)*2 +
                  raw(upleft + upright + lowleft + lowright)*1) / 16