通过python的scipy接口，对一维数组实现：低通滤波、高通滤波、带通滤波、带阻滤波功能

# coding:utf-8
import pandas as pd
import numpy as np
import os
from scipy import signal
import matplotlib.pyplot as plt

"""
参数说明：
1.函数 scipy.signal.filtfilt(b, a, x, axis=-1, padtype='odd', padlen=None, method='pad', irlen=None)

    输入参数：
        b: 滤波器的分子系数向量
        a: 滤波器的分母系数向量
        x: 要过滤的数据数组。（array型）
        axis: 指定要过滤的数据数组x的轴
        padtype: 必须是“奇数”、“偶数”、“常数”或“无”。这决定了用于过滤器应用的填充信号的扩展类型。{‘odd', ‘even', ‘constant', None}
        padlen：在应用滤波器之前在轴两端延伸X的元素数目。此值必须小于要滤波元素个数- 1。（int型或None）
        method：确定处理信号边缘的方法。当method为“pad”时，填充信号；填充类型padtype和padlen决定，irlen被忽略。当method为“gust”时，使用古斯塔夫森方法，而忽略padtype和padlen。{“pad” ，“gust”}
        irlen：当method为“gust”时，irlen指定滤波器的脉冲响应的长度。如果irlen是None，则脉冲响应的任何部分都被忽略。对于长信号，指定irlen可以显著改善滤波器的性能。（int型或None）

    输出参数：
        y:滤波后的数据数组

2.函数 scipy.signal.butter(N, Wn, btype='low', analog=False, output='ba')

    输入参数：
        N:滤波器的阶数
        Wn：归一化截止频率。计算公式Wn=2*截止频率/采样频率。（注意：根据采样定理，采样频率要大于两倍的信号本身最大的频率，才能还原信号。截止频率一定小于信号本身最大的频率，所以Wn一定在0和1之间）。当构造带通滤波器或者带阻滤波器时，Wn为长度为2的列表。
        btype : 滤波器类型{‘lowpass', ‘highpass', ‘bandpass', ‘bandstop'},
        output : 输出类型{‘ba', ‘zpk', ‘sos'},

    输出参数：
        b，a: IIR滤波器的分子（b）和分母（a）多项式系数向量。output='ba'
        z,p,k: IIR滤波器传递函数的零点、极点和系统增益. output= 'zpk'
        sos: IIR滤波器的二阶截面表示。output= 'sos'
"""

#####1.准备数据
y = [19.4,18.5,19.2,18.7,18.5,19.1,19.1,19.2,19.3,19.3,19.1,18.7,19.4,18.9,18.7,19.4,19.0,19.6,19.7,19.5,19.8,19.8,19.3,19.5,19.7,19.7,
     19.5,19.4,19.5,20.1,19.3,19.7,20.2,19.5,19.3,19.6,19.1,19.8,18.8,19.1,19.3,18.7,19.4,19.1,18.7,19.2,19.0,18.4,18.6,18.5,19.4,
     19.1,18.8,18.4,18.8,19.4,18.8,18.3,19.1,18.4,19.1,19.4,18.5,19.2,18.7,18.5,19.1,19.1,19.2,19.3,19.3,19.1,18.7,19.4,18.9,18.7,
     19.4,19.0,19.6,19.7,19.5,19.8,19.8,19.3,19.5,19.7,19.7,19.5,19.4,19.5,20.1,19.3,19.7,20.2,19.5,19.3,19.6,19.1,19.8,18.8,19.1,
     19.3,18.7,19.4,19.1,18.7,19.2,19.0,18.4,18.6,18.5,19.4,19.1,18.8,18.4,18.8,19.4,18.8,18.3,19.1,18.4,19.1]

x = [i for i in range(len(y))]


#####2.低通滤波
b, a = signal.butter(8, 0.1, 'lowpass')  #8表示滤波器的阶数
filtedData = signal.filtfilt(b, a, y)
plt.plot(x, y)
plt.plot(x, filtedData)
plt.show()

#####3.高通滤波
b, a = signal.butter(8, 0.2, 'highpass')  #8表示滤波器的阶数
filtedData = signal.filtfilt(b, a, y)
plt.plot(x, y)
plt.show()
plt.plot(x, filtedData)
plt.show()

#####4.带通滤波
from scipy import signal

b, a = signal.butter(8, [0.4, 0.6], 'bandpass')  #8表示滤波器的阶数
filtedData = signal.filtfilt(b, a, y)
plt.plot(x, y)
plt.show()
plt.plot(x, filtedData)
plt.show()

#####5.带阻滤波
from scipy import signal

b, a = signal.butter(8, [0.4, 0.6], 'bandstop')  #8表示滤波器的阶数
filtedData = signal.filtfilt(b, a, y)
plt.plot(x, y)
plt.plot(x, filtedData)
plt.show()

参考文献：怎么在Python中使用scipy实现一个信号滤波功能 - 开发技术 - 亿速云