我正在使用python statsmodels.nonparametric.smoothers_lowess.lowess lowess实现来平滑某些数据。
它接受“ frac”作为参数-数据集的一部分，用于生成局部梯度。
但是，我的数据在x中的间隔不均匀（在我的情况下，x代表时间，因此我将其称为“ t”）。 t = 0附近的样品密度高，t值高的样品密度低。
因此，在接近t = 0时，具有恒定压裂的低位平滑所用的时间范围很小，可能不到一秒钟。
另一方面，当t大且数据稀疏时，用于最低平滑的时间范围为数十秒。
我想使用恒定时间范围中的数据来生成最低拟合，例如10秒。即这意味着在原点附近比在大t处使用更多的数据点。
有没有简单的方法可以做到这一点而又不会使拟合结果有偏差？我正在考虑在低t处对数据进行下采样，并在高t处进行插值，以人为地在x方向上创建均匀的间距，这样我就可以使用恒定的“分数”，但是我担心这种方法会影响结果。