如何优化此数据平滑python循环？

我试图在一组数据上创建一个数据平滑函数，我正在使用savitzky golay filter。为了做到这一点，我正在收集一组数据，并通过Scipy调用该函数。 但是因为我在不同的框架中循环通过一个特定的元素，所以我没有空间位置和时间位置。

dataobj.body.data[j][0][i]

保持

（x，y）

，我只收集

y

s

下面是以下循环：

def smooth_data(dataobj):
    number_of_frames = len(dataobj.body.data)
    for i in range(0, 137):
        arr = []
        for j in range(0, number_of_frames):
            arr.append(dataobj.body.data[j][0][i][1])
        newdata = scipy.signal.savgol_filter(arr, 25, 3)
        for k in range(0, number_of_frames):
            dataobj.body.data[k][0][i][1] = newdata[k]
    return dataobj

我想让它工作得更快，现在当帧数超过1000时，需要相当长的时间，大约30秒。

---

非常感谢所有的帮助者

用50%的x和y数据训练克里格模型（只是多项式插值），然后在整个集合x上对模型进行^y评估，怎么样？ 克里格模型代码示例（使用smt模块）：

---

如果输入数据是多维numpy数组，则可以将numpy数组的一部分传递给scipy方法，然后将生成的数组插入到原始数据对象中：

def smooth_data(dataobj):
    number_of_frames = len(dataobj[:,0,0,1])
    number_of_records = len(dataobj[0,0,:,1])
    for i in range(0, number_of_records):
        newdata = scipy.signal.savgol_filter(dataobj[:,0,i,1], 3, 1)
        dataobj[:][0][i][1] = newdata
    return dataobj

---

嘿，康纳，数组的初始化在循环中，因为我没有在同一个数组上重复执行平滑函数。啊，是的，对不起。在这种情况下，最好的办法是尝试传入原始数组的一个片段，以避免复制它。它是普通Python数组还是numpy数组？你可以控制形状吗？它是一个numpy数组，正如你所注意到的，外部循环从0变为一个常量，但是帧数在变化，所以我不认为在这种情况下控制形状会有什么帮助。好的，如果它是一个numpy数组，你应该能够将一个切片传递给scipy，我编辑了答案以反映这一点。嘿，康纳，它成功了，现在快多了，非常感谢

def smooth_data(dataobj):
    number_of_frames = len(dataobj[:,0,0,1])
    number_of_records = len(dataobj[0,0,:,1])
    for i in range(0, number_of_records):
        newdata = scipy.signal.savgol_filter(dataobj[:,0,i,1], 3, 1)
        dataobj[:][0][i][1] = newdata
    return dataobj