В настоящее время я пытаюсь выполнить некоторую интерполяцию присоединенных данных колчана.Прежде чем было достаточно просто подгонять линейный сплайн к данным с помощью функции scipy.interpolate.griddata (), я затем выполнил бы скользящее среднее на этой сетке, чтобы получить очень плавную версию графика колчана.Однако выполнение этого с трехмерными наборами данных приводит к огромным массивам в 100 ГБ, хранящихся в оперативной памяти.В идеале, я бы просто оставил то, что делал раньше, функциональным, используя scipy.interpolate.LinearNDInterpolator (), но шаг пост-размытия не может быть объединен с этой функцией каким-либо очевидным или вычислительно быстрым способом в моей голове.
Таким образом, я надеялся использовать оценщик плотности ядра, с помощью которого я могу довольно легко напрямую контролировать гладкость.Более того, поверхностные графики каждого из компонентов вектора на первый взгляд кажутся достаточно гауссовыми в своих распределениях.Однако все реализации KDE в пакетах Python, которые я видел, принимают только необработанные данные, а не данные, которые уже выглядят так, как будто они имеют гауссовское распределение.
Итак, два вопроса:
Это то, что я делал до того, как можно было использовать сплайны, но без необходимости генерировать большие массивы.
И / или
Возможно ли приспособить KDE к данным, которые выглядят распределенными, без разбивки указанных данных, т.е.это разбросанные точки.
Best
Крейг
введите описание изображения здесь