是否有一个Python等价于平滑.splineR中的函数

Question

在平滑.splineR中的函数允许在粗糙度（由二阶导数的积分平方定义）和拟合点（由残差平方求和定义）之间进行权衡。这种权衡是通过spar或df参数来实现的。在一个极端，你得到了最小平方线，而另一个极端你得到了一条非常摇摆的曲线，它与所有的数据点相交（如果你有不同的y值的重复的x值，则是平均值）

我看过了scipy.interpolate.UnivariateSpline然而，Python中的其他样条线变体似乎只能通过增加结的数量和为允许的SS残差设置一个阈值（称为s）来权衡。相比之下平滑.spline在R中，允许在所有的x值处都有结，而不必有一条弯曲的曲线击中所有点——惩罚来自二阶导数。在

Python是否有这样的样条曲线拟合机制？允许所有结但惩罚二阶导数？在

Answer 1

通过对谷歌的研究，我得出结论

相比之下平滑.spline在R中，允许在所有x值处有结，而不必有一条弯曲的曲线，它击中了所有点，惩罚来自二阶导数。在

Answer 2

您可以在Python中使用R函数与rpy2：

import rpy2.robjects as robjects
r_y = robjects.FloatVector(y_train)
r_x = robjects.FloatVector(x_train)

r_smooth_spline = robjects.r['smooth.spline'] #extract R function# run smoothing function
spline1 = r_smooth_spline(x=r_x, y=r_y, spar=0.7)
ySpline=np.array(robjects.r['predict'](spline1,robjects.FloatVector(x_smooth)).rx2('y'))
plt.plot(x_smooth,ySpline)

_{如果您想直接设置lambda：spline1 = r_smooth_spline(x=r_x, y=r_y, lambda=42)不起作用，因为lambda在Python中已经有了另一个含义，但是有一个解决方案：How to use the lambda argument of smooth.spline in RPy WITHOUT Python interprating it as lambda。}

_{要使代码运行，首先需要定义数据x_train和{}，如果想以全高清分辨率在-3和5之间绘制，则可以定义x_smooth=np.array(np.linspace(-3,5,1920)). 。}

Answer 3

我一直在寻找完全相同的东西，但是我不想把代码翻译成Python。不过，spliter包似乎是一个选项：https://github.com/bgrimstad/splinter