不规则间隔点的高斯和滤波器

例如，我有一组点(x,y)作为两个向量x,y。

from pylab import *
x = sorted(random(30))
y = random(30)
plot(x,y, 'o-')

现在我想用一个高斯来平滑这些数据，并且只在x轴上的某些点（有规律的间隔）上进行评估，比如说：

x_eval = linspace(0,1,11)

我得到的提示是这种方法被称为 “高斯和滤波器”，但到目前为止，我还没有在numpyscipy中找到任何实现，尽管它乍一看像是一个标准问题.由于x值不是等距的，我不能使用scipy.ndimage.gaussian_filter1d.

通常这种平滑是通过furrier空间并与内核相乘来完成的，但我真的不知道这对不规则间距的数据是否可行。

谢谢你的任何想法

解决方案：

这对于非常大的数据集来说是个大问题，但是你所要求的正确计算方法是这样的。

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0) # for repeatability
x = np.random.rand(30)
x.sort()
y = np.random.rand(30)

x_eval = np.linspace(0, 1, 11)
sigma = 0.1

delta_x = x_eval[:, None] - x
weights = np.exp(-delta_x*delta_x / (2*sigma*sigma)) / (np.sqrt(2*np.pi) * sigma)
weights /= np.sum(weights, axis=1, keepdims=True)
y_eval = np.dot(weights, y)

plt.plot(x, y, 'bo-')
plt.plot(x_eval, y_eval, 'ro-')
plt.show()