在R中是否有与smooth.spline函数等效的Python

R中的smooth.spline函数允许在粗糙度（由二阶导数的积分平方定义）和拟合点（由残差平方和定义）之间进行权衡。此折衷由spar或df参数完成。一个极端是最小二乘线，另一个极端是一条非常扭曲的曲线，它与所有的数据点相交（如果你用不同的y值复制了x值，则为平均值）

我已经研究了Python中的scipy.interpolate.UnivariateSpline和其他样条线变体，但是，它们似乎只能通过增加节点数和为允许的SS残差设置阈值（称为s）来进行权衡。相比之下，R中的smooth.spline允许在所有x值上都有节点，而不必有一条到达所有点的摆动曲线——惩罚来自二阶导数

---

Python有这样的样条曲线拟合机制吗？允许所有节点，但惩罚二阶导数？

我一直在寻找完全相同的东西，但不希望将代码翻译成Python。Splitter软件包似乎是一种选择，然而：

根据谷歌的研究，我得出结论：

---

相比之下，R中的smooth.spline允许在所有x值上都有节点，而不必有一条到达所有点的摆动曲线——惩罚来自二阶导数。

您可以在Python中使用R函数和

rpy2

：

import rpy2.robjects as robjects
r_y = robjects.FloatVector(y_train)
r_x = robjects.FloatVector(x_train)

r_smooth_spline = robjects.r['smooth.spline'] #extract R function# run smoothing function
spline1 = r_smooth_spline(x=r_x, y=r_y, spar=0.7)
ySpline=np.array(robjects.r['predict'](spline1,robjects.FloatVector(x_smooth)).rx2('y'))
plt.plot(x_smooth,ySpline)

如果要直接设置lambda：

spline1=r_平滑_样条（x=r_x，y=r_y，lambda=42）

不起作用，因为

lambda

在Python中已经有了另一个含义，但有一个解决方案：

要运行代码，首先需要定义数据

x_列

和

y_列

，并且可以定义

x_平滑=np.array（np.linspace（-3,51920））。

如果您想以全高清分辨率在-3和5之间绘制它。

可能重复的