我帮你分析下代码里的几个核心问题，然后给出修改后的完整方案：

原代码的主要问题 #

• 数据格式错误：rdp库要求输入是二维点数组（每个元素是[x, y]形式的坐标点），但你传入的是单独的收盘价数组np.array([nfy])，这不符合算法的输入要求，算法无法计算点之间的距离。
• 时间轴未数值化：你用的datetime索引不能直接参与RDP的距离计算，算法需要数值类型的x坐标，得把时间转成可计算的数值（比如序列索引）。
• 绘图逻辑缺失：处理后的数据没有对应正确的x轴，导致图表空白或者显示异常。

修改后的完整代码 #

import yfinance as yf
import matplotlib.pyplot as plt
import numpy as np
from rdp import rdp

# 下载股票数据
stock = 'AMZN'
start = '2020-11-01'
df = yf.download(stock, start=start)

# 准备二维点数据：x用序列索引，y用收盘价
# 用索引位置作为x值，避免datetime的计算问题
points = np.column_stack((np.arange(len(df)), df['Close'].values))

# 应用RDP算法，epsilon是控制简化程度的阈值（值越大简化越明显）
simplified_points = rdp(points, epsilon=2.0)

# 提取简化后的x和y数据
simplified_x = simplified_points[:, 0]
simplified_y = simplified_points[:, 1]

# 绘制原数据和简化后的数据对比图
plt.figure(figsize=(12, 6))
plt.plot(df.index, df['Close'], label='原始收盘价', alpha=0.5)
plt.plot(df.index[simplified_x.astype(int)], simplified_y, label='RDP简化后', linewidth=2, color='orange')
plt.title(f'{stock} 股价走势图（RDP去噪）')
plt.xlabel('日期')
plt.ylabel('收盘价')
plt.legend()
plt.grid(True)
plt.show()

关键修改点说明 #

1. 二维点数组构建：用np.column_stack把x（序列索引）和y（收盘价）合并成[[x0,y0], [x1,y1], ...]的格式，这是rdp库要求的标准输入。
2. 时间轴处理：用np.arange(len(df))生成数值化的x坐标，后续绘图时再通过索引映射回原始的datetime日期，既满足算法计算要求，又保证图表的可读性。
3. epsilon阈值调整：原代码的0.2阈值太小，对股价来说几乎看不到简化效果，建议根据股价波动调整（比如示例中的2.0），值越大，简化后的折线越平滑，保留的关键点越少。
4. 对比绘图：同时绘制原始数据和简化后的数据，方便你直观看到去噪效果。

内容的提问来源于stack exchange，提问作者BenjaminDiLorenzo