还是和往常一样，首先是要解释一下这个qspline的整体在做一个什么工作。

我们还是要注意这个东西叫做标准化，所以必须是把原数据向某个标准靠拢（映射）。

qspline我没找到网上比较官方的翻译，所以我就斗胆翻译为分位点样条插值标准化了。

根据这个名字就比较好理解在做什么了。

首先是将所有数据，同探针的多组数据根据一定方式计算一个平均值(target)，

找到给定参数个分位点，然后根据分位点进行多次的采样，把分位点的探针读数作为x，target作为y进行样条插值，

再将所有数据都通过样条插值函数向平均值映射，从而进行向着平均值标准化。

这个算法实际上是比较简单的，所以完全是用R语言实现的，大家可以去阅读以下。

我接下来按照步骤详细解释这个算法的过程，但实际上没之前的算法内容多，这个是一个比较简单易懂的算法。

首先进行平均数也就是target的计算，在函数里是一个固定的公式

之后进行的其实就是分位点的选取，在调用时可以用p.min和p.max来设置分位点最小和最大位置，是一个小于1大于0的数，以及一个min.offset来控制最小间距。

然后开始按照组循环

每一组里，算法做了一个很棒的事情，因为我们根据样条插值之后，必然有误差，因为样条插值采用的分位点本身可能是有错误的，所以算法里是采样不同的分位点来多次迭代求平均值，用fit.iters参数来控制迭代次数，实际上这个参数在之前选择分位点的时候就用上了，因为每一次迭代都要不同的分位点，所以之前选择分位点的时候就要根据迭代次数选择。

之后每一次迭代拿出一组x和y，根据参数smooth选择是否先对x和y变得光滑，然后便进行样条插值，插值后得到样条插值函数，再将所有的点都带入这个函数得到某个探针输入在插值函数上的值，也就是向target映射，然后除以迭代次数。最后是将所有的迭代结果加起来，因为除以迭代次数了，所以是将所有迭代的结果求了一个平均值。

我个人觉得这个算法是一个比较有效的算法，因为考虑到了分位点自身是有误差的，进行了平均化处理，而且速度很快，整体就是简单的进行多组样条插值而已，而且每一次插值的量也不大，如果大家觉得太慢，可以通过offset和iters来控制一下，减少样条插值点和迭代次数。

这个算法虽然直接看源码因为没注释所以难看懂，但是核心思想不是很复杂，所以我也就介绍到这里了，如果大家有什么问题可以留言。这篇就没之前的写的详细了，调用方式也和之前一样。