Suavização de curvas com ruído de conjunto de dados: um guia prático

Suavização de curvas para conjuntos de dados ruidosos é um desafio comum na análise de dados. Para resolver isso, considere um conjunto de dados com uma variação de 20% devido ao ruído:

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

Para esta situação, o filtro Savitzky-Golay é uma escolha eficaz. Este filtro funciona ajustando um polinômio a uma janela de pontos de dados e usando o polinômio para estimar o valor no centro da janela. A janela é então deslocada ao longo dos dados e o processo se repete, resultando em uma curva suavizada.

Veja como implementar o filtro Savitzky-Golay em Python:

1. Importe o necessário bibliotecas:

import numpy as np
import matplotlib.pyplot as plt

2. Execute o filtro Savitzky-Golay nos dados:

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

3. Visualize os dados originais e a curva suavizada:

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

A curva resultante será mais suave que a original, preservando ainda o sinal subjacente.

Nota: Se você não tiver a função savgol_filter disponível, você pode instalá-lo usando o seguinte comando:

pip install scipy