Python中的可变星数据平滑

我目前正在处理可变星数据，我需要平滑时间序列数据。我有许多（成千上万）的数据点分布在一段时间内。为了使事情更简单，我将数据分为1001个时间单元，正是通过这个平均数据集，我试图画出一条平滑的曲线

我试过几种不同的方法，但没有一种效果很好。最有希望的两种方法是使用NumPy执行卷积，并使用SciPy的Savitzky-Golay滤波器。下面是一些代码：

# Define a smoothing algorithm using the convolve function in NumPy.  The function
# will use a window of 3 points surrouding each point.
window_len = 3
kernel = np.ones(window_len, dtype=float) / window_len
y_smooth = np.convolve(full_average_array, kernel, "same")
y_smooth2 = savgol_filter(full_average_array, 11, 2)

# Run the smoothing algorithm for 50 loops to better smooth annoying light curves.
for n in range(0, 50):
    y_smooth = np.convolve(y_smooth, kernel, "same")
    y_smooth2 = savgol_filter(y_smooth2, 5, 3)

正如我所说，两者都不完美。以下是一些放大的输出图片：

这显示了Savitzky-Golay滤波器的波纹度（蓝色）和卷积的平滑度（绿色），但Savitzky-Golay滤波器方法更接近φ=0附近的大倾角

这表明Savitzky-Golay滤波器方法比卷积方法更能表示最小值

每次我增加数值以使曲线更平滑时，曲线与观测数据的近似值就更差。我需要一条曲线，它既非常平滑，又非常接近数据，但我还没有找到一个好的方法来实现这一点。在这种情况下，我应该使用什么函数/方法