Python 如何获得加权高斯滤波器

我有一组加权的

x，y

点，如下所示（全套为）：

我需要找到一条平滑的线，根据分配给每个点的重要性来调整这些点，即：权重越大，意味着数据点应该越相关

这是我到目前为止的代码，它基本上对数据应用了a（我从这个问题中得到了想法：）：

此代码生成以下绘图（蓝色点的权重值较高）：

---

问题是，这种拟合不考虑分配给每个点的权重。如何将这些信息引入高斯滤波器？

请注意，以下想法不是一个精确的解决方案，但值得尝试

其思想是使用

w

weight参数重复

x

和

y

中的相应值。因此，如果将

w

缩放到范围

[1,10]

中，则

x

和

y

中的所有对应值将被复制10次，使

w

等于10。也就是说，将创建新的

x

，

y

。通过这种方式，我们将权重合并为

x

和

y

中的值的频率。完成这项工作后，将新的输入到您的算法中，希望能够得到所需的结果，如下面的工作示例所示

• 对于第一个图，蓝色到红色的光谱对应于从低到高的权重。标题编号为上文所述的复制系数
• 对于第二个数字，您的数据，我们没有触及您的颜色格式

---

许多scipy插值允许指定权重@tom10你能给我指一个具体的吗？据我所见，单变量样条函数具有权重，但它要求x数组增加，这是我的数据不符合的条件。您是否知道numpy.interp文档中说：“xp：数据点的x坐标必须增加。”以及“不检查x坐标序列xp是否在增加。如果xp没有增加，那么结果是毫无意义的。”因此，对于其中任何一个，最好从排序开始（使用numpy.argsort，这样您就可以使用x一致地执行所有轴）@tom10我不确定我是否明白你的意思。如果我对数据进行排序，这将影响我尝试拟合/插值的点云的形状。你能以答案的形式展开一点你的意思吗？谢谢。不幸的是，我暂时没有在我可以访问的任何计算机上安装scipy，因此我无法给出完整的示例。但是，换句话说：排序不应该改变云的形状，它只意味着x值是有序的。也就是说，如果你有一堆（x，y）成对，每对中的值创建云的形状，您只需按其x值对它们进行排序。对于单独的x、y、w数组，则需要按x对所有x、y和w进行排序：例如，ysorted=y[np.argsor（x）]，即，配对相同，但重新排序。虽然这不完全是我要求的，但似乎符合我的需要，因此我将其标记为已接受。非常感谢@Developer！

#  x       y     w
-0.038  2.0127  0.71
0.058   1.9557  1
0.067   2.0016  0.9
0.072   2.0316  0.83
...

import matplotlib.pyplot as plt
import numpy as np
from scipy.ndimage import gaussian_filter1d

# Read data from file.
data = np.loadtxt('data_file', unpack=True)
x, y, w = data[0], data[1], data[2]

# Return evenly spaced numbers over a specified interval.
t = np.linspace(0, 1, len(x))
t2 = np.linspace(0, 1, 100)    
# One-dimensional linear interpolation.
x2 = np.interp(t2, t, x)
y2 = np.interp(t2, t, y)

# Obtain Gaussian filter with fixed sigma value.
sigma = 7
x3 = gaussian_filter1d(x2, sigma)
y3 = gaussian_filter1d(y2, sigma)

# Make plot.
cm = plt.cm.get_cmap('RdYlBu')
plt.scatter(x, y, marker="o", c=w, s=40, cmap=cm, lw=0.5, vmin=0, vmax=1)
plt.plot(x3, y3, "r", lw=2)
plt.show()