python - 从 NumPy 中的不均匀采样数据生成均匀采样数组

Question

问题是我想减少绘图和分析的数据量。我正在使用 Python 和 Numpy。数据是不均匀采样的，所以有一个时间戳数组和一个对应值数组。我希望数据点之间至少有一定的时间间隔。我这里有一个用 Python 编写的简单解决方案，在样本之间至少间隔一秒的地方找到指标:

import numpy as np

t = np.array([0, 0.1, 0.2, 0.3, 1.0, 2.0, 4.0, 4.1, 4.3, 5.0 ]) # seconds
v = np.array([0, 0.0, 2.0, 2.0, 2.0, 4.0, 4.0, 5.0, 5.0, 5.0 ])

idx = [0]
last_t = t[0]
min_dif = 1.0 # Minimum distance between samples in time
for i in range(1, len(t)):
    if last_t + min_dif <= t[i]:
        last_t = t[i]
        idx.append(i)

如果我们看一下结果:

--> print idx
[0, 4, 5, 6, 9]

--> print t[idx]
[ 0.  1.  2.  4.  5.]

问题是如何才能更有效地做到这一点，特别是如果数组真的很长？是否有一些内置的 NumPy 或 SciPy 方法可以做类似的事情？

Answer 1

虽然，像 @1443118，我建议使用 pandas，但您可能想尝试使用 np.histogram。

首先，了解您需要的 bin 数量(min_dif 的间隔):

>>> bins = np.arange(t[0], t[-1]+min_dif, min_dif) - 1e-12

t[-1]+min_dif 是为了确保我们采用最后一点，-1e-12 一个 hack 以避免 4.0 您的示例在最后一个 bin 中计数:它只是一个偏移量，以确保我们关闭右侧的间隔。

>>> (counts, _) = np.histogram(t, bins)
>>> counts
array([4, 1, 1, 0, 3])
>>> counts.cumsum()
array([4, 5, 6, 6, 9])

因此，v[0:4] 是您的第一个示例，v[4:5] 是您的第二个...您明白了。