时间序列重采样方法（scipy和pandas）

最新推荐文章于 2024-06-03 13:38:47 发布

xjtuwfj

最新推荐文章于 2024-06-03 13:38:47 发布

阅读量3.5k

点赞数 1

分类专栏： python 文章标签： python 数据挖掘数据分析

本文链接：https://blog.csdn.net/baidu_38963740/article/details/121698370

版权

python 专栏收录该内容

17 篇文章 9 订阅

订阅专栏

pandas重采样

时序数据等时间间隔重采样，index必须是datetime类型

re_data = data.resample('60S').mean()
# '60S'表示每60秒重采一个数据，mean()表示用均值填充

SciPy重采样

scipy.signal.resample(x, num, t=None, axis=0, window=None, domain='time')
# x:待重采样的数据
# num:重采样的点数，int型
# t(可选参数):If t is given, it is assumed to be the equally spaced sample positions associated with the signal data in x.
# axis(可选参数):对哪个轴重采样吗，默认是 0。

测试

1.升采样：20个点采40个点

    from scipy import signal
    t = np.linspace(0,3,20,endpoint=False)
    y = np.cos(t**2)
    
    re_y = signal.resample(y,40)
    t_new = np.linspace(0,3,len(re_y),endpoint=False)
    
    plt.plot(t,y,'b*--',label='raw data')
    plt.plot(t_new,re_y,'r.--',label='resample data')
    plt.legend()
    plt.show()

在这里插入图片描述

2.降采样：40个点采20个点

    from scipy import signal

    t = np.linspace(0, 3, 40, endpoint=False)
    y = np.cos(t ** 2)

    re_y = signal.resample(y, 20)
    t_new = np.linspace(0, 3, len(re_y), endpoint=False)

    plt.plot(t, y, 'b*--', label='raw data')
    plt.plot(t_new, re_y, 'r.--', label='resample data')
    plt.legend()
    plt.show()

在这里插入图片描述

3.参数t测试：等间隔

    from scipy import signal

    t = np.linspace(0, 3, 40, endpoint=False)
    y = np.cos(t ** 2)

    re_y,re_t = signal.resample(y, 20, t=t)


    plt.plot(t, y, 'b*--', label='raw data')
    plt.plot(re_t, re_y, 'g.--', label='resample data')
    plt.legend()
    plt.show()

测试发现第3点的结果和上面第2点的完全一样
在这里插入图片描述

4.参数t测试：不等间隔

原始数据不等间隔，采样成等间隔的点（点数不变）

    from scipy import signal

    t = np.array([0,2,3,3.5,4.5,5.2,6,6.3,8,9,10,11.2,12.3,12.9,14.5,16,17,18,19,20])/10
    x = np.sin(3*t)

    t1 = np.linspace(0, 2, 20, endpoint=True)
    re_x,re_t = signal.resample(x,20,t=t1)

    plt.plot(t, x, 'b*--', label='raw data')
    plt.plot(re_t, re_x, 'g.--', label='resample data')
    plt.legend()
    plt.show()

    from scipy import signal

    t = np.array([0,2,3,3.5,4.5,5.2,6,6.3,8,9,10,11.2,12.3,12.9,14.5,16,17,18,19,20])/10
    x = np.sin(3*t)

    t1 = np.linspace(0, 2, 20, endpoint=True)
    re_x = signal.resample(x,20)

    plt.plot(t, x, 'b*--', label='raw data')
    plt.plot(t1, re_x, 'r.--', label='resample data')
    plt.legend()
    plt.show()