什麼是對numpy數組進行取樣的最快方法？

我有一個3D（時間，X，Y）numpy數組，包含6個小時時間系列幾年。（說5）。我想創建一個採樣時間序列，其中包含從可用記錄中隨機抽取的每個日曆日的1個實例（每天5種可能性），如下所示。什麼是對numpy數組進行取樣的最快方法？

1月1：2006年
1月2日：2011
年1月3日期：2009年
...

，這意味着我需要從01/01/2006取4個值從02/01/2011等 4個值我有一個其工作方式工作版本如下：

重塑輸入數組以添加「年」維（時間，年，X，Y）
在0和4之間創建隨機生成整數的365值數組
使用np.repeat和整數數組只有相關的值：

例子：

sampledValues = Variable[np.arange(numberOfDays * ValuesPerDays), sampledYears.repeat(ValuesPerDays),:,:]

這似乎是工作，但我想知道如果這是解決我的問題的最佳/最快的方法？速度非常重要，因爲我正在循環做這件事，adn會受益於儘可能多的測試。

我正在做這個對嗎？

感謝

編輯我忘了提，我過濾輸入數據集刪除月29日閏年。

基本上，該操作的目的是找到一個365天的樣本，可以很好地匹配長期時間序列的平均值等。如果採樣的時間序列通過了我的質量測試，我想導出並重新開始。

來源

2011-10-21 Jahfet

2008年是366天長，所以不要重塑。

看一看scikits.timeseries：

import scikits.timeseries as ts 

start_date = ts.Date('H', '2006-01-01 00:00') 
end_date = ts.Date('H', '2010-12-31 18:00') 
arr3d = ... # your 3D array [time, X, Y] 

dates = ts.date_array(start_date=start_date, end_date=end_date, freq='H')[::6] 
t = ts.time_series(arr3d, dates=dates) 
# just make sure arr3d.shape[0] == len(dates) !

現在，您可以訪問t數據與日/月/年的目標：

t[np.logical_and(t.day == 1, t.month == 1)]

因此，例如：

for day_of_year in xrange(1, 366): 
    year = np.random.randint(2006, 2011) 

    t[np.logical_and(t.day_of_year == day_of_year, t.year == year)] 
    # returns a [4, X, Y] array with data from that day

玩與t的屬性，使其也與閏年一起工作。

來源

2011-10-21 12:11:01 eumiro

這看起來很有前途！ – heltonbiker

我應該提到它，但在這種情況下我並不在意閏年，因爲我已經在輸入時間序列中刪除了所有2月29日的事件。我雖然使用scikits.timeseries，但是我不確定我是否真的會從速度上受益。另外，我可能想在6:00或12:00開始我的日子，所以我不想創建一個datetime對象數組來提取每次我只能使用我的採樣數組（rs = np .random.randint（0，np.size（年），size = 365））。但我可能錯了！ – Jahfet

由於您可以在採樣過程中嵌入年份尺寸信息，並保留陣列的原始形狀，所以我沒有看到真正需要重新整形陣列。

例如，您可以生成一個隨機偏移量（從0到365），然後選擇索引片，比如n*365 + offset。

無論如何，我不認爲你的問題是完整的，因爲我不太明白你需要做什麼，或者爲什麼。

來源

2011-10-21 12:34:12 heltonbiker

我不知道是否需要重塑操作，我只是認爲這對我來說很方便，因爲我基本上可以很容易地選擇每一天我想要提取哪一年。在進入我的抽樣循環之前，我只需要做一次，所以我認爲這對性能沒有影響。我在這個問題上增加了一些細節，希望你能更好地理解我所追求的。 – Jahfet

什麼是對numpy數組進行取樣的最快方法？

回答

相關問題