lowess算法平滑曲线，python代码

下面是使用Python实现低通滤波平滑曲线的代码：

import numpy as np
from scipy.interpolate import interp1d

def lowess(x, y, f=0.25, iter=3):
    n = len(x)
    r = int(np.ceil(f*n))
    h = np.zeros(n)

    for i in range(n):
        h[i] = np.sort(np.abs(x-x[i]))[r]

    w = np.clip(np.abs((x[:, None]-x[None, :])/h), 0.0, 1.0)
    w = (1.0 - w**3)**3

    for i in range(iter):
        b = np.array([np.sum(w[:, j]*y)/np.sum(w[:, j]) for j in range(n)])
        f = interp1d(x, b, kind='linear', bounds_error=False, fill_value='extrapolate')
        y = f(x)

    return y

该函数接受两个一维数组x和y作为输入，以及可选参数f和iter。其中，x为自变量，y为因变量；f是局部线性回归的带宽，控制数据点的平滑程度；iter是迭代次数，用于提高平滑程度。函数返回一个平滑后的y数组，表示平滑后的曲线。

该函数的实现基于局部线性回归的思想，使用加权最小二乘法对数据进行拟合，同时通过迭代的方式提高平滑程度。该算法的核心是计算权重矩阵w，w的计算涉及到带宽f和距离函数，可以通过调整f来控制平滑程度。