我有一个 x 和 y 数据集,其中 x 为自变量,y 为因变量。
y=2x
我向“y”添加一些噪音并应用 scipy Savitzky Golay 过滤器。当我尝试获得 y 的一阶导数时,我得到的导数为零。
我知道这是因为过滤器只接受“y”作为输入。我想要一个同时考虑 x 和 y 的过滤器,并为我提供导数值。
在这里,我展示了我的实现,其中的图表指示了不正确的数据。
import numpy as np
from scipy import signal
import matplotlib.pyplot as plt
# create some sample twoD data
x = np.linspace(-3,3,100)
y = 2*x
y = y + np.random.normal(0, 0.2, y.shape)
# filter it
Zn = signal.savgol_filter(y, window_length=29, polyorder=4, deriv=0)
Zf = signal.savgol_filter(y, window_length=29, polyorder=4, deriv=1)
# do some plotting
plt.plot(x,y, label = 'Input')
plt.plot(x,Zn, label= 'Savitzky-Golay filtered')
plt.plot(x,Zf, label= 'Savitzky-Golay filtered - 1st derivative')
plt.legend()
plt.show()
求导结果:
dy/dx = 2。
我需要 Savitzky-Golay 过滤器来为我提供这个结果。请帮助我实现一个考虑两个变量的Python实现。
要在
deriv
中使用
savgol_filter
> 0,还必须给出 x 坐标的间距。解决方法很简单:在通话中的 delta=x[1] - x[0]
之后添加 deriv=1
:
Zf = signal.savgol_filter(y, window_length=29, polyorder=4, deriv=1, delta=x[1] - x[0])
编辑:针对英语语言用法进行更正。
在给定的情况下,
y
相对于x
的导数不是dy/dx = 2
,而是dy/1.0 = 0.12
,因为y
被定义为y = 2x = np.linspace(-3,3,100)
。
变量
dx
未定义为delta
,而是使用默认值delta=1.0
。
因此,使用
delta
等于 dx
确实可以解决问题。
dx = x[0] - x[1]
Zf = signal.savgol_filter(y, window_length=29, polyorder=4, deriv=1, delta=dx)