我有一个宇宙射线探测器的能谱。光谱遵循指数曲线,但它会有广泛的(也许非常轻微)肿块。显然,这些数据包含了一些噪音。嘈杂的数据中的渐变,python
我想平滑数据,然后绘制其渐变。 到目前为止,我一直在使用scipy sline函数来平滑它,然后使用np.gradient()。
正如您从图片中看到的,梯度函数的方法是找出每个点之间的差异,并且它不会非常清楚地显示块。
我基本上需要一个平滑的梯度图。任何帮助将是惊人的!
我已经试过2样条方法:
def smooth_data(y,x,factor):
print "smoothing data by interpolation..."
xnew=np.linspace(min(x),max(x),factor*len(x))
smoothy=spline(x,y,xnew)
return smoothy,xnew
def smooth2_data(y,x,factor):
xnew=np.linspace(min(x),max(x),factor*len(x))
f=interpolate.UnivariateSpline(x,y)
g=interpolate.interp1d(x,y)
return g(xnew),xnew
编辑:尝试数值微分:
def smooth_data(y,x,factor):
print "smoothing data by interpolation..."
xnew=np.linspace(min(x),max(x),factor*len(x))
smoothy=spline(x,y,xnew)
return smoothy,xnew
def minim(u,f,k):
""""functional to be minimised to find optimum u. f is original, u is approx"""
integral1=abs(np.gradient(u))
part1=simps(integral1)
part2=simps(u)
integral2=abs(part2-f)**2.
part3=simps(integral2)
F=k*part1+part3
return F
def fit(data_x,data_y,denoising,smooth_fac):
smy,xnew=smooth_data(data_y,data_x,smooth_fac)
y0,xnnew=smooth_data(smy,xnew,1./smooth_fac)
y0=list(y0)
data_y=list(data_y)
data_fit=fmin(minim, y0, args=(data_y,denoising), maxiter=1000, maxfun=1000)
return data_fit
然而,它只是再次返回相同的图形!
什么级别的平滑将使你的感觉呢?产生介于-10和+1之间的导数,其中大部分值介于-1和+1之间? – EOL 2013-04-08 04:22:18
附注:我建议你阅读并应用[PEP 8](http://www.python.org/dev/peps/pep-0008/)到你的编码风格。这将使您的代码更易于阅读,因为大多数Python程序员都遵循它(或其中的很大一部分)。像参数列表中的'='周围的空格或参数列表中的逗号之后的细节确实使代码更清晰。 – EOL 2013-04-09 11:26:39