Como obter um filtro gaussiano ponderado
Eu tenho um conjunto depesada x,y
pontos, como mostrado abaixo (o conjunto completo éAqui):
# x y w
-0.038 2.0127 0.71
0.058 1.9557 1
0.067 2.0016 0.9
0.072 2.0316 0.83
...
Eu preciso encontrar uma linha suavizada que ajuste esses pontos de acordo com a importância atribuída a cada um, ou seja: mais peso significa que o ponto de dados deve ter mais relevância.
Este é o código que tenho até agora, que basicamente aplica umgaussian_filter1d aos dados (eu tirei a ideia desta questão:algoritmo de suavização de linha em python?):
import matplotlib.pyplot as plt
import numpy as np
from scipy.ndimage import gaussian_filter1d
# Read data from file.
data = np.loadtxt('data_file', unpack=True)
x, y, w = data[0], data[1], data[2]
# Return evenly spaced numbers over a specified interval.
t = np.linspace(0, 1, len(x))
t2 = np.linspace(0, 1, 100)
# One-dimensional linear interpolation.
x2 = np.interp(t2, t, x)
y2 = np.interp(t2, t, y)
# Obtain Gaussian filter with fixed sigma value.
sigma = 7
x3 = gaussian_filter1d(x2, sigma)
y3 = gaussian_filter1d(y2, sigma)
# Make plot.
cm = plt.cm.get_cmap('RdYlBu')
plt.scatter(x, y, marker="o", c=w, s=40, cmap=cm, lw=0.5, vmin=0, vmax=1)
plt.plot(x3, y3, "r", lw=2)
plt.show()
Este código produz o seguinte gráfico (pontos mais azuis têm um valor de peso maior):
O problema é que esse ajuste não considera opesos atribuídos a cada ponto. Como posso introduzir essa informação no filtro gaussiano?