填补角度列表之间的空白（数字）

Question

我会说明简单的例子，然后进入深处 如果我有一个数字列表包括

t_original = [180,174,168,166,162,94,70,80,80,128,131,160,180]

180,174,168,166,162,94,70,80,80,128,131,160,180

t_original = [ “ nofollow noreferrer”> 但是，如果我们突然将第四值（166）乘以450，那么列表将是

t = [180,174,168,700,162,94,70,80,128,131,160,180]

]

我想将第四值（700）视为错误的值 即使不是原始值，我也想用相对值替换它，而是相对于前两个要素（168,174） 我想为整个列表做同样的

如果再次出现错误的值，

事情

我尝试过的方法

，我将与输出共享我的代码，过滤后的施加填充间隙功能

我的

def preprocFN(*U):
prePlst=[] # after preprocessing list
#preprocessing Fc =| 2*LF1 prev by 1 - LF2 prev by 2 |
c0 = -2     #(previous) by 2
c1 =-1      #(previous)
c2 =0       #(current)
c3 = 1      #(next)
preP = U[0] # original list
if c2 == 0:
    prePlst.append(preP[0])
    prePlst.append(preP[1])
    c1+=2
    c2+=2
    c0+=2
oldlen = len(preP)
while oldlen > c2:
    Equ = abs(2*preP[c1] - preP[c0]) #fn of preprocessing #removed abs()
    formatted_float = "{:.2f}".format(Equ) #with .2 number only
    equu = float(formatted_float)          #from string float to float
    prePlst.insert(c2,equu)      # insert the preprocessed value to the List
    c1+=1
    c2+=1
    c0+=1

return prePlst

输入： https://textuploader.com/t1py9

输出将为： https://textuploader.com/t1pyk

当打印高于180（错误值）的值时，

result_list = [item for item in list if item > 180]

没有意义的

人类的任何关节都可以通过180的角度是 [183.6, 213.85, 221.62, 192.05, 203.39, 197.22, 188.45, 182.48, 180.41, 200.09, 200.67, 198.14, 199.44, 198.45, 200.55, 193.25, 204.19, 204.35, 200.59, 211.4, 180.51, 183.4, 217.91, 218.94, 213.79 ，205.62，221.35，182.39，180.62，183.06，180.78，231.09，227.33，224.49，237.02，212.53，207.0，207.0，212.92，182.28，182.28，282.28，254.02 4.68，233.63 , 182.84, 193.94, 226.8, 223.69, 222.77, 180.67, 184.72, 180.39, 183.99, 186.44, 233.35, 228.02, 195.31, 183.97, 185.26, 182.13, 207.09, 213.21, 238.41, 229.38, 181.57, 211.19, 180.05, 181.47, 199.69 ，213.59，191.99，194.65，190.75，190.93，221.43，181.51，181.42，180.22]，

因此提出的方法的填充差距FN不做它的工作 有任何建议以不同的方式应用相同的概念吗？

额外的信息可能会有所帮助

过滤图包括填充间隙功能，然后应用归一化功能 我认为问题不是来自归一化功能，因为我认为填充间隙函数的输出也许我错了，但无论如何我提供了归一化的步骤，因此您可以获得如何制作最终的过滤图形

fn：

我的代码：

def outLiersFN(*U):
outliers=[] # after preprocessing list
#preprocessing Fc =| 2*LF1 prev by 1 - LF2 prev by 2 |
c0 = -2     #(previous) by 2 #from original
c1 =-1      #(previous)      #from original
c2 =0       #(current)       #from original
c3 = 1      #(next)          #from original
preP = U[0] # original list
if c2 == 0:
    outliers.append(preP[0])
    c1+=1
    c2+=1
    c0+=1
    c3+=1
oldlen = len(preP)
M_RangeOfMotion = 90
while oldlen > c2 :
    if c3 == oldlen:
        outliers.insert(c2, preP[c2]) #preP[c2] >> last element in old list
        break
    if (preP[c2] > M_RangeOfMotion and preP[c2] < (preP[c1] + preP[c3])/2) or (preP[c2] < M_RangeOfMotion and preP[c2] > (preP[c1] + preP[c3])/2): #Check Paper 3.3.1
        Equ = (preP[c1] + preP[c3])/2 #fn of preprocessing # From third index # ==== inserting current frame
        formatted_float = "{:.2f}".format(Equ) #with .2 number only
        equu = float(formatted_float)          #from string float to float
        outliers.insert(c2,equu)      # insert the preprocessed value to the List
        c1+=1
        c2+=1
        c0+=1
        c3+=1
    else :
        Equ = preP[c2] # fn of preprocessing #put same element (do nothing)
        formatted_float = "{:.2f}".format(Equ)  # with .2 number only
        equu = float(formatted_float)  # from string float to float
        outliers.insert(c2, equu)  # insert the preprocessed value to the List
        c1 += 1
        c2 += 1
        c0 += 1
        c3 += 1
return outliers

Answer 1

我建议以下算法：

• 数据点t [i]，如果它偏离t [i-2]，t [i-1]，t [i ]，t [i+1]，t [i+2]>超过这5个元素的标准偏差。
• 离群值被周围两个要素的平均值所取代。

import matplotlib.pyplot as plt
from statistics import mean, stdev

t = [180,174,168,700,162,94,70,80,128,131,160,180]

def smooth(t):
    new_t = []
    for i, x in enumerate(t):
        neighbourhood = t[max(i-2,0): i+3]
        m = mean(neighbourhood)
        s = stdev(neighbourhood, xbar=m)
        if abs(x - m) > s:
            x = ( t[i - 1 + (i==0)*2] + t[i + 1 - (i+1==len(t))*2] ) / 2
        new_t.append(x)
    return new_t

new_t = smooth(t)

plt.plot(t)
plt.plot(new_t)
plt.show()