Savitzky-Golay 滤波的 Python 实现，蛮适合你拿来做平滑的。
带噪音的信号时，Savitzky-Golay 滤波就挺好用的，尤其是你不想丢失太多原始波形特征的时候。这个 Python 版本写得还不错，逻辑清晰，参数也比较好调。用在传感器数据或者光谱信号上都挺合适的。
比如你有一组波动大的实时采样数据，用sgolayfilt()这种函数直接平滑一下，效果挺稳的，曲线看起来顺眼多了。代码实现参考了 Matlab 的风格，但用 Python 重写后灵活性更高，兼容性也不错。
想了解更多原理或对比实现的话，也可以看看下面这些资料，像Matlab 实现、Python 和 Matlab 代码对比这些都挺实用的。顺手还能看看Kalman 和贝叶斯滤波，思路也差不多，适合不同场景。
如果你在实时信号、光谱曲线或者其他高频噪声数据，那这个 Python 版本蛮值得一试的。配合NumPy和SciPy用效果更佳，记得调好窗口长度和多项式阶数，影响挺大的哦～