可以演示操作案例吗
时间: 2024-02-13 18:01:16 浏览: 19
当然可以,请看以下示例代码:
1. 移动平均法:
```python
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 生成一个凹凸不平的数据序列
t = np.linspace(-4, 4, 200)
y = np.sin(t) + np.random.randn(len(t))*0.1
# 对数据序列进行移动平均处理
window_size = 10
y_smooth = pd.Series(y).rolling(window_size).mean()
# 绘制原始数据和平滑后的数据的图像
plt.plot(t, y, label='Raw Data')
plt.plot(t, y_smooth, label='Smooth Data')
plt.legend()
plt.show()
```
2. Savitzky-Golay平滑法:
```python
from scipy.signal import savgol_filter
# 对数据序列进行Savitzky-Golay平滑处理
window_size = 11
order = 3
y_smooth = savgol_filter(y, window_size, order)
# 绘制原始数据和平滑后的数据的图像
plt.plot(t, y, label='Raw Data')
plt.plot(t, y_smooth, label='Smooth Data')
plt.legend()
plt.show()
```
3. 指数平滑法:
```python
from statsmodels.tsa.api import ExponentialSmoothing
# 对数据序列进行指数平滑处理
model = ExponentialSmoothing(y, trend='add', seasonal=None, initialization_method="heuristic")
y_smooth = model.fit(smoothing_level=0.2).fittedvalues
# 绘制原始数据和平滑后的数据的图像
plt.plot(t, y, label='Raw Data')
plt.plot(t, y_smooth, label='Smooth Data')
plt.legend()
plt.show()
```
以上三个示例展示了三种不同的平滑方法,您可以根据您的数据情况选择合适的平滑方法进行处理。
相关推荐
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)