使用python删除曲线下方的数据点

概述我需要将一些理论数据与 python中的实际数据进行比较. 理论数据来自解决方程式. 为了改进比较,我想删除远离理论曲线的数据点.我的意思是,我想删除图中红色虚线下方和上方的点(用matplotlib制作). 理论曲线和数据点都是不同长度的阵列. 我可以尝试以粗略的方式移除点,例如：可以使用以下方法检测第一个上点： data2[(data2.redshift<0.4)&data2.dmodulus 我需要将一些理论数据与 python中的实际数据进行比较.
理论数据来自解决方程式.
为了改进比较,我想删除远离理论曲线的数据点.我的意思是,我想删除图中红色虚线下方和上方的点(用matplotlib制作).

理论曲线和数据点都是不同长度的阵列.

我可以尝试以粗略的方式移除点,例如：可以使用以下方法检测第一个上点：

data2[(data2.redshift<0.4)&data2.dmodulus>1]rec.array([('1997o',0.374,1.0203223485103787,0.44354759972859786)],dtype=[('SN_name','|S10'),('redshift','<f8'),('dmodulus',('dmodulus_error','<f8')])

但我想用一种不太粗略的方式.

那么,任何人都可以帮我找到一个简单的方法来消除问题点吗？

谢谢！

解决方法 这可能是过度的,并且基于您的评论

Both the theoretical curves and the data points are arrays of
different length.

我会做以下事情：

>截断数据集,使其x值位于理论集的最大值和最小值之内.
>使用scipy.interpolate.interp1d和上面截断的数据x值插值理论曲线.步骤(1)的原因是满足interp1d的约束.
>使用numpy.where查找超出可接受理论值范围的数据y值.
>不要像评论和其他答案中所建议的那样丢弃这些价值观.如果你想要清晰,可以通过绘制’内衬’一种颜色和’异常值’另一种颜色来指出它们.

我认为这是一个接近你所寻找的脚本.它有望帮助您实现您想要的目标：

import numpy as npimport scipy.interpolate as interpolateimport matplotlib.pyplot as plt# make up datadef makeUpData():    '''Make many more data points (x,y,yerr) than theory (x,y),with theory yerr corresponding to a constant "sigma" in y,about x,y value'''    NX= 150    datax = (np.random.rand(NX)*1.1)**2    dataY = (1.5*datax+np.random.rand(NX)**2)*datax    dataErr = np.random.rand(NX)*datax*1.3    theoryX = np.arange(0,1,0.1)    theoryY = theoryX*theoryX*1.5    theoryErr = 0.5    return datax,dataY,dataErr,theoryX,theoryY,theoryErrdef makeSamexrange(theoryX,datax,dataY):    '''    Truncate the datax and dataY ranges so that datax min and max are with in    the max and min of theoryX.    '''    minT,maxT = theoryX.min(),theoryX.max()    goodIDxMax = np.where(datax<maxT)    goodIDxMin = np.where(datax[goodIDxMax]>minT)    return (datax[goodIDxMax])[goodIDxMin],(dataY[goodIDxMax])[goodIDxMin]# take 'theory' and get values at every 'data' x pointdef theoryYatdatax(theoryX,datax):    '''For every datax point,find interpolated thoeryY value. theoryx needed    for interpolation.'''    f = interpolate.interp1d(theoryX,theoryY)    return f(datax[np.where(datax<np.max(theoryX))])# collect valID pointsdef findInlIErSet(datax,interpTheoryY,thoeryErr):    '''Find where theoryY-theoryErr < dataY theoryY+theoryErr and return    valID indicIEs.'''    withinUpper = np.where(dataY<(interpTheoryY+theoryErr))    withinLower = np.where(dataY[withinUpper]                    >(interpTheoryY[withinUpper]-theoryErr))    return (datax[withinUpper])[withinLower],(dataY[withinUpper])[withinLower]def findOutlIErSet(datax,thoeryErr):    '''Find where theoryY-theoryErr < dataY theoryY+theoryErr and return    valID indicIEs.'''    withinUpper = np.where(dataY>(interpTheoryY+theoryErr))    withinLower = np.where(dataY<(interpTheoryY-theoryErr))    return (datax[withinUpper],dataY[withinUpper],datax[withinLower],dataY[withinLower])if __name__ == "__main__":    datax,theoryErr = makeUpData()    Truncdatax,TruncDataY = makeSamexrange(theoryX,dataY)    interpTheoryY = theoryYatdatax(theoryX,Truncdatax)    indatax,inDataY = findInlIErSet(Truncdatax,TruncDataY,theoryErr)    outUpX,outUpY,outDownX,outDownY = findOutlIErSet(Truncdatax,theoryErr)    #print inlIErIndex    fig = plt.figure()    ax = fig.add_subplot(211)    ax.errorbar(datax,fmt='.',color='k')    ax.plot(theoryX,'r-')    ax.plot(theoryX,theoryY+theoryErr,'r--')    ax.plot(theoryX,theoryY-theoryErr,'r--')    ax.set_xlim(0,1.4)    ax.set_ylim(-.5,3)    ax = fig.add_subplot(212)    ax.plot(indatax,inDataY,'ko')    ax.plot(outUpX,'bo')    ax.plot(outDownX,outDownY,'ro')    ax.plot(theoryX,3)    fig.savefig('findInlIErs.png')

这个数字是结果：

总结

以上是内存溢出为你收集整理的使用python删除曲线下方的数据点全部内容，希望文章能够帮你解决使用python删除曲线下方的数据点所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。