对csv文件中的轨迹数据去噪的代码实例

以下是一个简单的 Python 代码示例，用于对 CSV 文件中的轨迹数据进行去噪：

import pandas as pd
import numpy as np

# 读取 CSV 文件
df = pd.read_csv('path/to/file.csv')

# 将轨迹数据转换为 NumPy 数组
data = df[['x', 'y', 'z']].values

# 计算每个点与其相邻点之间的距离
distances = np.sqrt(np.sum(np.diff(data, axis=0) ** 2, axis=1))

# 计算距离的中位数和标准差
median_distance = np.median(distances)
std_distance = np.std(distances)

# 根据中位数和标准差去除异常值
clean_data = data[np.abs(distances - median_distance) < 3 * std_distance]

# 将清洗后的数据保存为 CSV 文件
clean_df = pd.DataFrame(clean_data, columns=['x', 'y', 'z'])
clean_df.to_csv('path/to/cleaned_file.csv', index=False)

这段代码假设 CSV 文件中包含名为 `x`、`y` 和 `z` 的列，分别表示轨迹数据中每个点的 x、y 和 z 坐标。它首先将数据读入 Pandas DataFrame 中，然后将其转换为 NumPy 数组以进行处理。接下来，它计算每个点与其相邻点之间的距离，并计算距离的中位数和标准差。最后，它根据中位数和标准差去除异常值，并将清洗后的数据保存为新的 CSV 文件。