如何使用Python Pandas对时间序列进行平滑处理和去噪?

夜瑶吖_3566

夜瑶吖_3566

2026-06-27

453人浏览

原创

滚动平均平滑需合理选择窗口大小、设置min_periods=1、根据需求设定center=True,脉冲噪声优先用median(),保形平滑推荐savgol_filter(),并确保时间索引对齐。

如何使用python pandas对时间序列进行平滑处理和去噪?

用 rolling() 做简单移动平均平滑,但窗口大小选错会失真

移动平均是最常用的时间序列平滑方法,rolling() 是 Pandas 最直接的实现方式。关键不是“能不能算”,而是窗口大小 window 怎么选——它直接决定保留趋势还是抹掉细节。

  • 对秒级数据,window=5 可能只平滑掉瞬时毛刺;对日频数据,window=7 才勉强覆盖一周周期,window=30 更适合捕捉月趋势
  • min_periods=1 要显式设置,否则开头几行会是 NaN,尤其在小数据集或短窗口下容易漏掉起始段
  • 别用 center=False(默认)去对齐高频事件——比如你想让平滑值代表“当前时刻附近”的状态,就该设 center=True,否则延迟偏差明显

示例:df['value_smooth'] = df['value'].rolling(window=14, min_periods=1, center=True).mean()

遇到脉冲噪声(spike noise)优先用 median() 而不是 mean()

均值对异常值极度敏感,一个突发尖峰就能拉偏整段平滑曲线;中位数鲁棒性强得多,特别适合传感器数据、日志计数这类含偶发错误上报的场景。

  • rolling(7).median() 对单点突刺几乎免疫,但响应速度比均值慢——它不“预测”,只“确认”周围多数点是什么水平
  • 若噪声是成片的(比如连续 3 秒丢数后补了错误值),单靠 median() 不够,得先用 zscore 或 quantile 检出异常区间再插值
  • 注意:中位数计算比均值慢,大数据量时 rolling().median() 可能比 .mean() 慢 3–5 倍,别在实时 pipeline 里无脑替换

用 scipy.signal.savgol_filter() 替代低阶 rolling 实现保形平滑

当你的信号有明确局部结构(如心电波形、机械振动频谱),移动平均会模糊峰谷——这时 savgol_filter 是更优解,它用多项式最小二乘拟合局部窗口,能保持导数连续性。

Python 环境工具专业版
Python 环境工具专业版

Python 环境工具专业版功能概述Python 环境工具专业版是一项面向实际任务的技能。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。核心要点使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。执行完成后建议检查结果是否符合预期,并保留必要记录。使用与执行同时注意输入完整性、执行条件和输出可用性。从功能定位来看,该技能

下载
  • 参数组合很关键:window_length 必须是奇数,且至少为 polyorder+1;polyorder=2 适合大多数缓变曲线,polyorder=3 对带拐点的曲线更稳
  • 它默认在两端做镜像延拓,若你的时间序列首尾不可外推(如业务指标从 0 开始),得加 mode='nearest' 避免虚假抬升
  • Pandas 本身不提供此功能,必须 from scipy.signal import savgol_filter,返回的是 numpy.ndarray,需手动塞回 DataFrame:df['y_savgol'] = savgol_filter(df['y'], window_length=11, polyorder=2)

时间索引不对齐会导致平滑结果错位,必须检查 freq 和 resample()

很多人把 CSV 读进来直接 rolling(),结果发现平滑线“漂移”——根本原因是时间索引缺失频率信息,Pandas 按行数而非真实时间间隔滚动。

  • 先确认:df.index.freq 是否为 None?若是,df = df.asfreq('1H') 或 df = df.resample('1H').first() 补齐规则间隔
  • 如果原始采样不规则(如 IoT 设备心跳间隔波动),硬插 asfreq 会引入虚假 NaN,此时应改用 rolling('7D').mean() ——传字符串时间窗口,Pandas 自动按时间戳对齐
  • 注意:rolling('7D') 的 7 天是自然日,不是 7 个数据点;若数据跨夏令时或闰秒,结果仍可靠,但性能略低于整数窗口

平滑不是黑箱操作,窗口类型、噪声形态、时间对齐这三点任一出错,结果就不可信。尤其当后续要基于平滑值做阈值告警或拟合时,错位的平滑线会让所有下游逻辑失效。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5644

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1909

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34637

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4047

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3143

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程