【发布时间】：2022-01-26 01:59:48
【问题描述】：
【问题讨论】：
-
图片是函数本身的图片以及它的n次导数，还是只是不同函数的导数？我认为我要做的第一件事可能只是删除任何异常数据，也许这会使事情变得顺利，但我认为需要更多细节。
【发布时间】：2022-01-26 01:59:48
【问题描述】：
总体而言，它们似乎是平滑数据的不同方法。这个帖子好像有类似的问题：Gradient in noisy data, python
其中一个答案使用来自 scipy 的函数 splev 和 splerp 来平滑曲线。这是回复：https://stackoverflow.com/a/19796063/13297560 以下是看起来相关的代码行：
from scipy.interpolate import splrep, splev
f = splrep(x, noisy_data, k=5, s=3)
plt.plot(x, splev(x,f), label="fitted")
x 似乎是域的范围，noisy_data 是输出 (y)，k 和 s 是影响平滑度的可选参数。以下是相关文档：https://docs.scipy.org/doc/scipy/reference/generated/scipy.interpolate.splrep.html
【讨论】：