numpy数据平滑

Posted 2022-08-13 draven123

数据平滑

是用来处理噪声数据,使数据变化较为平顺.可以使用移动平均线, 也可以使用hanning函数

Key_Function

np.hanning函数: 是一个加权余弦的窗函数, 相当于是余弦移动平均线

np.polysub函数: 输入两个多项式系数数组, 返回一个表示两个多项式差的多项式的系数数组

np.isreal函数: 判断数组元素是否是实数

np.select函数: 根据给定的条件, 从数组中挑选出符合条件的元素并组成数组返回

np.trim_zeros函数: 去掉一维数组中开头或末尾为0的元素

Code

import numpy as np
import matplotlib.pyplot as plt

N = 8
weights = np.hanning(N)
print(weights)
‘‘‘
[ 0.          0.1882551   0.61126047  0.95048443  0.95048443  0.61126047
  0.1882551   0.        ]
‘‘‘

# 本例使用的是收盘价
bhp = np.loadtxt(‘BHP.csv‘, delimiter=‘,‘, usecols=(6,), unpack=True)
bhp_returns = np.diff(bhp) / bhp[:-1]
print(len(bhp_returns))
# 29
smooth_bhp = np.convolve(weights/weights.sum(), bhp_returns)[N-1:-N+1]
# 使用归一化的weights作为权重
vale = np.loadtxt(‘VALE.csv‘, delimiter=‘,‘, usecols=(6,), unpack=True)
vale_returns = np.diff(vale) / vale[:-1]
smooth_vale = np.convolve(weights/weights.sum(), vale_returns)[N-1:-N+1]

t = np.arange(N-1, len(bhp_returns))
plt.plot(t, bhp_returns[N-1:], lw=1.0)
plt.plot(t, smooth_bhp, lw=3.0)
plt.plot(t, vale_returns[N-1:], lw=5.0)
plt.plot(t, smooth_vale, lw=7.0)
plt.show()

接上面代码

# 使用多项式拟合平滑后的数据
K = 8
t = np.arange(N-1, len(bhp_returns))
poly_bhp = np.polyfit(t, smooth_bhp, K)
poly_vale = np.polyfit(t, smooth_vale, K)

# 求解两条曲线的交叉点
# 通过求两个多项式的差, 然后对所得的多项式求根
poly_sub = np.polysub(poly_bhp, poly_vale)
xpoints = np.roots(poly_sub)
‘‘‘
[ 27.73321597+0.j          27.51284094+0.j          24.32064343+0.j
  18.86423973+0.j          12.43797190+1.73218179j  12.43797190-1.73218179j
   6.34613053+0.62519463j   6.34613053-0.62519463j]
‘‘‘

reals = np.isreal(xpoints)
print(reals)
# [ True  True  True  True False False False False]

xpoints = np.select([reals], [xpoints])
print(xpoints)
‘‘‘
[ 27.73321597+0.j  27.51284094+0.j  24.32064343+0.j  18.86423973+0.j
   0.00000000+0.j   0.00000000+0.j   0.00000000+0.j   0.00000000+0.j]
‘‘‘
xpoints = xpoints.real
print(xpoints)
‘‘‘
[ 27.73321597  27.51284094  24.32064343  18.86423973   0.           0.           0.
   0.        ]
‘‘‘

print(np.trim_zeros(xpoints))
# [ 27.73321597  27.51284094  24.32064343  18.86423973]