在Python中过滤1D numpy数组

说明：

我有两个numpy数组：dataX和dataY，我试图对每个数组进行过滤以减少噪声。下图显示了实际的输入数据（蓝色点）和我想要的示例（红色点）。我不需要像示例中那样完美地过滤数据，但我确实希望它尽可能直接。我在代码中提供了示例数据。

我尝试过的：

首先，您可以看到数据不是“连续的”，所以我首先将它们划分为单独的“段”（本例中有4个），然后对每个“段”应用过滤器。有人建议我使用一种新的方法。完整的可运行代码如下所示：

import scipy as sc
import scipy.signal
import numpy as np
import matplotlib.pyplot as plt

# Sample Data
ydata = np.array([1,0,1,2,1,2,1,0,1,1,2,2,0,0,1,0,1,0,1,2,7,6,8,6,8,6,6,8,6,6,8,6,6,7,6,5,5,6,6, 10,11,12,13,12,11,10,10,11,10,12,11,10,10,10,10,12,12,10,10,17,16,15,17,16, 17,16,18,19,18,17,16,16,16,16,16,15,16])
xdata = np.array([1,2,3,1,5,4,7,8,6,10,11,12,13,10,12,13,17,16,19,18,21,19,23,21,25,20,26,27,28,26,26,26,29,30,30,29,30,32,33, 1,2,3,1,5,4,7,8,6,10,11,12,13,10,12,13,17,16,19,18,21,19,23,21,25,20,26,27,28,26,26,26,29,30,30,29,30,32])

# Used a diff array to find where there is a big change in Y. 
# If there's a big change in Y, then there must be a change of 'segment'.
diffy = np.diff(ydata)

# Create empty numpy arrays to append values into
filteredX = np.array([])
filteredY = np.array([])

# Chose 3 to be the value indicating the change in Y
index = np.where(diffy >3)

# Loop through the array
start = 0
for i in range (0, (index[0].size +1) ):
# Check if last segment is reached
    if i == index[0].size:
        print xdata[start:]
        partSize = xdata[start:].size
# Window length must be an odd integer
        if partSize % 2 == 0:
            partSize = partSize - 1

        filteredDataX = sc.signal.savgol_filter(xdata[start:], partSize, 3)
        filteredDataY = sc.signal.savgol_filter(ydata[start:], partSize, 3)
        filteredX = np.append(filteredX, filteredDataX)
        filteredY = np.append(filteredY, filteredDataY)

    else:
        print xdata[start:index[0][i]]
        partSize = xdata[start:index[0][i]].size
        if partSize % 2 == 0:
            partSize = partSize - 1
        filteredDataX = sc.signal.savgol_filter(xdata[start:index[0][i]], partSize, 3)
        filteredDataY = sc.signal.savgol_filter(ydata[start:index[0][i]], partSize, 3)
        start = index[0][i] 
        filteredX = np.append(filteredX, filteredDataX)
        filteredY = np.append(filteredY, filteredDataY)

# Plots
plt.plot(xdata,ydata, 'bo', label = 'Input Data')
plt.plot(filteredX, filteredY, 'ro', label = 'Filtered Data')

plt.xlabel('X')
plt.ylabel('Y')
plt.title('Result')
plt.legend()
plt.show()

这是我的结果： 连接每个点后，结果如下所示。 我已经试过了，但看起来第三个订单的效果最好

我还尝试了以下几种过滤器：

---

但到目前为止，我尝试过的过滤器中没有一个接近我真正想要的。过滤此类数据的最佳方法是什么？期待您的帮助

一种接近理想的方法是聚类+线性回归

请注意，您必须提供集群的数量，在集群之前，我在扩展

y

时也做了一些欺骗

---

一种接近理想的方法是聚类+线性回归

请注意，您必须提供集群的数量，在集群之前，我在扩展

y

时也做了一些欺骗

---

你好，保罗。谢谢你花时间回答：）我有几个问题：你总是需要放大Y还是只针对这种情况？如果是这样，我如何知道它的规模？我目前正在阅读有关集群的文章，但它似乎有点复杂。您是否介意在代码中添加注释，简要解释“split_to_lines”函数中的每一行的作用？@user3451660集群就我所知——我不是专家——不是一门精确的科学。但我认为当星系团有点圆的时候效果最好。现在，在您的数据中，集群在

x

方向上被拉长，因此我拉伸

y

作为一个快速修复。对不起，我不能说得更具体了。我会看看我能为评论做些什么，谢谢！那么从技术上讲，只过滤Ydata？如果我必须连接每一个点，（见附加图片），我的原始显示X增加，直到X大幅度减少，而你的略有不同。此外，使用您的方法，我还需要计算要拆分的行数（示例中有4行，但可能更多）？@user3451660 Yes和Yes。但是你可以简单地对每个簇内的点进行排序。谢谢你花时间回答：）我有几个问题：你总是需要放大Y还是只针对这种情况？如果是这样，我如何知道它的规模？我目前正在阅读有关集群的文章，但它似乎有点复杂。您是否介意在代码中添加注释，简要解释“split_to_lines”函数中的每一行的作用？@user3451660集群就我所知——我不是专家——不是一门精确的科学。但我认为当星系团有点圆的时候效果最好。现在，在您的数据中，集群在

x

方向上被拉长，因此我拉伸

y

作为一个快速修复。对不起，我不能说得更具体了。我会看看我能为评论做些什么，谢谢！那么从技术上讲，只过滤Ydata？如果我必须连接每一个点，（见附加图片），我的原始显示X增加，直到X大幅度减少，而你的略有不同。此外，使用您的方法，我还需要计算要拆分的行数（示例中有4行，但可能更多）？@user3451660 Yes和Yes。但是您可以简单地对每个集群中的点进行排序。

import numpy as np
from scipy import cluster, stats

ydata = np.array([1,0,1,2,1,2,1,0,1,1,2,2,0,0,1,0,1,0,1,2,7,6,8,6,8,6,6,8,6,6,8,6,6,7,6,5,5,6,6, 10,11,12,13,12,11,10,10,11,10,12,11,10,10,10,10,12,12,10,10,17,16,15,17,16, 17,16,18,19,18,17,16,16,16,16,16,15,16])
xdata = np.array([1,2,3,1,5,4,7,8,6,10,11,12,13,10,12,13,17,16,19,18,21,19,23,21,25,20,26,27,28,26,26,26,29,30,30,29,30,32,33, 1,2,3,1,5,4,7,8,6,10,11,12,13,10,12,13,17,16,19,18,21,19,23,21,25,20,26,27,28,26,26,26,29,30,30,29,30,32])

def split_to_lines(x, y, k):
    yo = np.empty_like(y, dtype=float)
    # get the cluster centers and the labels for each point
    centers, map_ = cluster.vq.kmeans2(np.array((x, y * 2)).T.astype(float), k)
    # for each cluster, use the labels to select the points belonging to
    # the cluster and do a linear regression
    for i in range(k):
        slope, interc, *_ = stats.linregress(x[map_==i], y[map_==i])
        # use the regression parameters to construct y values on the
        # best fit line
        yo[map_==i] = x[map_==i] * slope + interc
    return yo

import pylab
pylab.plot(xdata, ydata, 'or')
pylab.plot(xdata, split_to_lines(xdata, ydata, 4), 'ob')
pylab.show()