Lissage des courbes avec le bruit des ensembles de données : un guide pratique

Le lissage des courbes pour les ensembles de données bruyants est un défi courant dans l'analyse des données. Pour résoudre ce problème, considérons un ensemble de données avec une variation de 20 % due au bruit :

import numpy as np
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)   np.random.random(100) * 0.2

Pour cette situation, le filtre Savitzky-Golay est un choix efficace. Ce filtre fonctionne en ajustant un polynôme à une fenêtre de points de données et en utilisant le polynôme pour estimer la valeur au centre de la fenêtre. La fenêtre est ensuite décalée le long des données et le processus se répète, ce qui donne une courbe lissée.

Voici comment implémenter le filtre Savitzky-Golay en Python :

1. Importez les fichiers nécessaires bibliothèques : 

import numpy as np
import matplotlib.pyplot as plt

2. Exécutez le filtre Savitzky-Golay sur les données :

yhat = savgol_filter(y, 51, 3) # window size 51, polynomial order 3

3. Visualisez les données d'origine et la courbe lissée :

plt.plot(x, y)
plt.plot(x, yhat, color='red')
plt.show()

La courbe résultante sera plus lisse que l'originale tout en préservant le signal sous-jacent.

Remarque : Si vous n'avez pas la fonction savgol_filter disponible, vous pouvez l'installer à l'aide de la commande suivante :

pip install scipy