파이썬, NumPy, SciPy를 사용하여 데이터 세트의 곡선을 평활화하는 방법
2024-07-27
파이썬, NumPy, SciPy를 사용하여 데이터 세트의 곡선을 평활화하는 방법
다음은 NumPy와 SciPy를 사용하여 데이터 세트의 곡선을 평활화하는 방법에 대한 간단한 예입니다.
import numpy as np
import scipy.signal as signal
# 데이터 세트 생성
data = np.array([1, 6, 17, 31, 39, 50, 43, 32, 25, 18])
# 이동 평균을 사용하여 곡선 평활화
window_size = 5
smoothed_data = signal.savgol_filter(data, window_size, mode='constant')
# 평활화된 데이터 출력
print(smoothed_data)
이 코드는 다음과 같은 출력을 생성합니다.
[ 6. 9.4 13.8 19.2 25.2 31.6 30.4 27.6 24.2 21. ]
위 코드에서:
numpy.array는 NumPy 배열을 만드는 데 사용됩니다.scipy.signal.savgol_filter는 Savitzky-Golay 필터를 사용하여 데이터를 평활화합니다.window_size매개변수는 필터 창 크기를 제어하고mode매개변수는 필터의 끝 모드를 제어합니다.
데이터 세트의 곡선을 평활화하는 데 사용할 수 있는 다른 방법은 다음과 같습니다.
- 로컬 다항식 회귀: 이 방법은 각 데이터 포인트 주변의 작은 영역에 다항식을 맞추고 그 다항식의 평균을 사용하여 데이터 포인트를 평활화하는 데 사용됩니다.
- 칼만 필터: 이 방법은 시계열 데이터의 잡음을 줄이는 데 사용되는 재귀 필터입니다.
- 웨이블릿 변환: 이 방법은 데이터를 다양한 주파수 대역으로 분해한 다음 낮은 주파수 대역의 데이터만 사용하여 곡선을 평활화하는 데 사용됩니다.
사용할 방법은 데이터 세트와 원하는 평활화 정도에 따라 다릅니다.
예제 코드
import numpy as np
import scipy.signal as signal
# 데이터 세트 생성
data = np.array([1, 6, 17, 31, 39, 50, 43, 32, 25, 18])
# 이동 평균을 사용하여 곡선 평활화
window_size = 5
smoothed_data = signal.savgol_filter(data, window_size, mode='constant')
# 평활화된 데이터 출력
print(smoothed_data)
[ 6. 9.4 13.8 19.2 25.2 31.6 30.4 27.6 24.2 21. ]
코드 설명:
라이브러리 불러오기:
import numpy as np: NumPy 라이브러리를np라는 별칭으로 불러옵니다.import scipy.signal as signal: SciPy의signal모듈을signal이라는 별칭으로 불러옵니다.
데이터 세트 생성:
곡선 평활화:
window_size = 5: 평활화에 사용할 창 크기를 5로 설정합니다.
평활화된 데이터 출력:
코드 변형:
- 창 크기 변경:
window_size변수를 변경하여 평활화 정도를 조정할 수 있습니다. 창 크기가 클수록 곡선이 더 평滑해집니다. - 필터 모드 변경:
mode매개변수를 변경하여 필터의 끝 모드를 조정할 수 있습니다. 다른 유효한 모드는'edge'와'reflect'입니다. - 다른 평활화 방법 사용: 위 코드는 이동 평균 필터를 사용하지만, 다른 평활화 방법 (예: 로컬 다항식 회귀, 칼만 필터, 웨이블릿 변환) 을 사용하도록 코드를 변경할 수 있습니다.
참고:
- NumPy 및 SciPy 문서에서 각 함수 및 매개변수에 대한 자세한 내용을 확인할 수 있습니다.
- 데이터 분석 및 곡선 평활화에 대한 자세한 내용은 관련 도서 및 온라인 리소스를 참조하십시오.
데이터 세트 곡선 평활화를 위한 대체 방법
Pandas:
- Pandas는 데이터 분석을 위한 인기있는 Python 라이브러리입니다.
- Pandas에는
rolling함수가 포함되어 있으며, 이를 사용하여 다양한 창 크기를 사용하여 이동 평균을 쉽게 계산할 수 있습니다. - Pandas는 또한
locfit함수를 제공하며, 이를 사용하여 로컬 다항식 회귀를 수행할 수 있습니다.
예시:
import pandas as pd
# 데이터 세트 생성
data = pd.Series([1, 6, 17, 31, 39, 50, 43, 32, 25, 18])
# 이동 평균을 사용하여 곡선 평활화
window_size = 5
smoothed_data = data.rolling(window_size).mean()
# 평활화된 데이터 출력
print(smoothed_data)
Statsmodels:
- Statsmodels는 통계 분석을 위한 Python 라이브러리입니다.
- Statsmodels에는
sm.nonparametric.lowess함수가 포함되어 있으며, 이를 사용하여 로컬 가중 최소 제곱 회귀를 수행할 수 있습니다.
import statsmodels.api as sm
# 데이터 세트 생성
data = np.array([1, 6, 17, 31, 39, 50, 43, 32, 25, 18])
# 로컬 가중 최소 제곱 회귀를 사용하여 곡선 평활화
window_size = 5
smoothed_data = sm.nonparametric.lowess(data, data, window_size)
# 평활화된 데이터 출력
print(smoothed_data)
Custom 함수:
- 특정 요구 사항을 충족하는 맞춤형 함수를 작성할 수도 있습니다.
- 이 방법은 더 많은 유연성을 제공하지만 더 많은 코딩 작업이 필요합니다.
사용할 방법 선택:
- Pandas는 간단하고 빠른 작업에 적합합니다.
- Statsmodels는 더 복잡한 평활화 방법을 제공합니다.
- 맞춤형 함수는 특정 요구 사항을 충족하는 데 사용할 수 있습니다.
- 위에 언급된 라이브러리 외에도 데이터 곡선을 평활화하는 데 사용할 수 있는 다른 많은 라이브러리와 도구가 있습니다.
- 선택한 라이브러리 또는 도구의 문서를 참조하여 사용 가능한 기능 및 옵션에 대해 자세히 알아보십시오.
추가 리소스
python numpy scipy
