在numpy/scipy中如何将时间序列重新采样为均匀间隔？

Question

我有一个随机变量X，在随机时间T进行采样，类似于这个玩具数据：

import numpy as np
T = np.random.exponential(size=1000).cumsum()
X = np.random.normal(size=1000)

这个时间序列看起来像这样： 一个关键点是采样间隔是不均匀的：我指的是np.diff(T)的所有元素都不相等。我需要在指定宽度dt的均匀间隔上重新采样时间序列T,X，即(np.diff(T)==dt).all()应返回True。

我可以使用scipy.interpolate.interp1d在均匀间隔上重新采样时间序列，但该方法不允许我指定间隔大小dt：

from scipy.interpolate import interp1d
T = np.linspace(T.min(),T.max(),T.size) # same range and size with a uniform interval
F = interp1d(T,X,fill_value='extrapolate') # resample the series on uniform interval
X = F(T) # Now it's resampled.

关键问题在于interp1d只有当T.size==X.size时才能接受数组T。

是否有其他方法可以尝试将时间序列T,X重新采样为宽度为dt的均匀间隔？

- kevinkayaks

Answer 1

dt = ...
from scipy.interpolate import interp1d   
Told = np.arange(T.min(),T.max(),T.size)
F = interp1d(Told,X,fill_value='extrapolate') 
Tnew = np.linspace(T.min(), T.max(), dt)
Xnew = F(Tnew)

- Kyle Pena

---

哦，是的，当然。哈哈谢谢！不过我认为linspace应该改成arange！ - kevinkayaks

我同意@kevinkayaks的观点。dt是重新采样点之间的时间差，因此np.arange()是正确的函数。 - Tom Johnson

请在这个解决方案中加上一些关于这个想法的文字。 - LudvigH

Answer 2

这对我非常有用。 但是请注意，该行

F = interp1d(Told,X,fill_value='extrapolate') 

不正确。应该是：

F = interp1d(Told,X,kind='extrapolate')

或者（在我的情况下更有用）：

F = interp1d(Told,X,kind='previous')

- ruudvanderham

---

谢谢！我认为API可能在最近的scipy版本中实际上已经发生了变化。就在昨天，我意识到我的一些其他插值脚本已经停止工作了。 - kevinkayaks