如何在Python中对数据集应用mean filter实现数据平滑？

• 均值滤波核心逻辑：通过滑动窗口遍历所有theta数值，用窗口内所有数值的平均值替换窗口中心位置的数值，从而抑制原始数据的随机波动，窗口大小统一使用奇数，数值越大平滑效果越强，可根据目标滤波效果灵活调整参数。

纯NumPy实现代码（无需依赖第三方库，符合作业要求） #

import numpy as np

def mean_filter(theta, kernel_size=3):
    if kernel_size % 2 == 0:
        raise ValueError("窗口大小请设置为奇数，避免边界偏移")
    # 边界填充，保证输出数组长度和原始theta一致，此处用边缘值填充，也可根据需求改为0填充
    pad_len = kernel_size // 2
    theta_padded = np.pad(theta, pad_len, mode="edge")
    # 卷积实现均值计算
    kernel = np.ones(kernel_size) / kernel_size
    theta_smoothed = np.convolve(theta_padded, kernel, mode="valid")
    return theta_smoothed

# 调用示例，可调整kernel_size数值匹配目标平滑效果
theta_filtered = mean_filter(theta, kernel_size=5)

• 参数调整说明：你可以修改kernel_size的取值，比如测试3、5、7三个常用值，直到滤波后的效果和你预期的目标效果一致即可。

可选简化实现（允许引入scipy时使用） #

from scipy.ndimage import uniform_filter1d
theta_filtered = uniform_filter1d(theta, size=5)

内容的提问来源于stack exchange，提问作者Sif Lindby