python - scipy中重采样数组的索引

Question

我有两个长度相同的一维数组，例如包含时间序列和值序列

t = linspace(0, 5, 5) # [0, 1.25, 2.5, 3.75, 5]
x = array(range(10, 25)) # [10, 11, 12, 13, 14]

例如，我必须使用不同的采样点及时对 x 数组进行重新采样(具有相同的起点和终点，但可以有任意数量的元素)

r = linspace(0, 5, 4) # [ 0, 1.667, 3.333, 5]
x2 = resample(t, x, r) # [10, 11, 12, 14]

也就是说，r的每个时间点都位于t的两个时间点之间，我想找到两个时间点中较低的点在t中的索引。然后可以从索引数组中获取 x 的相对点。

我想要一个基于向量的解决方案，没有循环，可能使用 scipy 的运算符。如果使用 scipy 的函数会更好。

编辑:这里的代码可以满足我的需要，但是更短、更快且基于向量的解决方案会更好。我找不到(尽管尝试)。

def resample(t, r):
    i, j, k = 0, 1, 0
    s = []
    while j < len(t):
        if t[i] <= r[k] < t[j]:
            s.append(i)
            k += 1
        else:
            i += 1
            j += 1
    s.append(len(t) - 1)
    return array(s)

Answer 1

以下两个小函数中的第二个可以完成您想要的任务:

def resample_up(t, x, r) :
    return x[np.argmax(r[:, None] <= t, axis=1)]

def resample_down(t, x, r) :
    return x[::-1][np.argmax(r[:, None] >= t[::-1], axis=1)]

>>> resample_up(t, x, r)
array([10, 12, 13, 14])
>>> resample_down(t, x, r)
array([10, 11, 12, 14])

如果您发现很难弄清楚发生了什么，以下内容可能会有所帮助:

>>> r[:, None] <= t
array([[ True,  True,  True,  True,  True],
       [False, False,  True,  True,  True],
       [False, False, False,  True,  True],
       [False, False, False, False,  True]], dtype=bool)
>>> r[:, None] >= t[::-1]
array([[False, False, False, False,  True],
       [False, False, False,  True,  True],
       [False, False,  True,  True,  True],
       [ True,  True,  True,  True,  True]], dtype=bool)

然后 np.argmax 返回每行中第一次出现 True 的索引。

编辑 IT 很难让它比一行代码更短，但对于大型数组，性能会受到影响，因为索引查找永远不会在循环的早期中断。因此，对于非常大的数组，使用 python 循环扫描数组可能会更快。对于较小的，它不会:

In [2]: %timeit resample_up(t, x, r)
100000 loops, best of 3: 7.32 us per loop

In [3]: %timeit resample_down(t, x, r)
100000 loops, best of 3: 8.44 us per loop

In [4]: %timeit resample(t, x, r) # modified version of the OP's taking also x
100000 loops, best of 3: 13.7 us per loop