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)
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