重塑數據樣本

Question

我有兩個數組中的數據對樣本。例如：

times = [0, 1, 3, 3.5, 5, 6] 
values = [1, 2, 3, 4, 5, 6] 

因此，在時間0時，值爲1，在時間1時爲2，依此類推。正如你所看到的，時間值不是固定的時間距離（儘管在所有情況下都是按照升序排列的）。我在尋找一種有效的方式對上述轉換成

times1 = [0, 1, 2, 3, 4, 5, 6] 
values = [1, 2, 2.5, 3, 4.333, 5, 6] 

這些值是根據該地塊從中間值計算：

當然，我可以做一個循環找到這些值並將它們填入目標數組中。但我不知道numpy是否有什麼「立即」做到這一點。

注：This與我想要的相似（雖然稍微有點瑣碎），所以我猜測沒有任何東西可用。但是誰知道。

Answer 1

隨着SciPy的，你可以使用interp1d：

from scipy.interpolate import interp1d  
f = interp1d(times, values) 

f(times1) 
Out: 
array([ 1.  , 2.  , 2.5  , 3.  , 4.33333333, 
     5.  , 6.  ]) 

有了大熊貓，這也是可能的：

ser = pd.Series(values, index=times) 
ser2 = pd.Series(index=times1) 

ser.combine_first(ser2).interpolate(method='index').reindex(ser2.index) 
Out: 
0 1.000000 
1 2.000000 
2 2.500000 
3 3.000000 
4 4.333333 
5 5.000000 
6 6.000000 
dtype: float64 

combine_first取這兩個指數的聯合。內插是做這項工作的主要方法。由於您正在對索引進行線性插值，因此您需要通過method='index'。