如何优化此数据平滑python循环？

Question

我试图在一组数据上创建一个数据平滑函数，我正在使用savitzky golay filter。为了做到这一点，我正在收集一组数据，并通过Scipy调用该函数。 但是因为我在不同的框架中循环通过一个特定的元素，所以我没有空间位置和时间位置。 dataobj.body.data[j][0][i] 持有(x,y)，我只收集y

下面是以下循环：

def smooth_data(dataobj):
    number_of_frames = len(dataobj.body.data)
    for i in range(0, 137):
        arr = []
        for j in range(0, number_of_frames):
            arr.append(dataobj.body.data[j][0][i][1])
        newdata = scipy.signal.savgol_filter(arr, 25, 3)
        for k in range(0, number_of_frames):
            dataobj.body.data[k][0][i][1] = newdata[k]
    return dataobj

我想让它工作得更快，现在当帧数超过1000时，需要相当长的时间，大约30秒。 非常感谢所有的帮助者

Answer 1

用50%的x和y数据训练克里格模型（只是一个多项式插值），然后在整个集合x上对模型进行^y评估，怎么样？ 克里格模型代码示例（使用smt模块）：

from smt.surrogate_models import KRG
t= KRG(theta0=[1e-2]*ndim,print_prediction = False)
t.set_training_values(xt,yt) #training inputs, outputs
t.train()

# Prediction of the other points
y = t.predict_values(xtest)

Answer 2

如果输入数据是多维numpy数组，则可以将numpy数组的一部分传递给scipy方法，然后将生成的数组插入到原始数据对象中：

def smooth_data(dataobj):
    number_of_frames = len(dataobj[:,0,0,1])
    number_of_records = len(dataobj[0,0,:,1])
    for i in range(0, number_of_records):
        newdata = scipy.signal.savgol_filter(dataobj[:,0,i,1], 3, 1)
        dataobj[:][0][i][1] = newdata
    return dataobj