如何查找熊貓中兩個數據集的對齊方式

Question

作爲示例呈現。

兩組數據。一個小時內收集一個。在那個小時內收集了20分鐘的時間。

每個數據集都包含可以轉換爲單列真（-）或假（_）的事件實例，表示事件是否正在發生。

DS1.event：

_-__-_--___----_-__--_-__---__ 

DS2.event：

__--_-__-- 

我正在尋找一種方法來自動化這兩個數據的相關性（糾正我，如果該術語是不正確的）設置並找到DS1中可能發生的DS2最多（最多x個）的偏移量。這可能會以一些匹配百分比結束，然後我可以通過閾值來確定匹配的有效性。

使得

_-__-_--___----_-__--_-__---__ 
       __--_-__-- 

DS1.start + 34min〜= DS2.start

其他信息：
DS1被記錄以大約1赫茲。 DS2在大約30赫茲。這使得不太可能會有100％的乾淨匹配。

備用方法（對熊貓）將不勝感激，但蟒蛇/熊貓是我所掌握的。

Answer 1

聽起來像你只是想要像互相關的東西？

我將字符串轉換到一個數字表示，因此與1和0

更換你-和_你可以做到這一點使用字符串replace方法（如signal.replace("-", "1")）

將其轉換爲列表或numpy的數組：

event1 = [int(x) for x in signal1] 
event2 = [int(x) for x in signal2] 

然後計算它們之間的交叉相關：

xcor = np.correlate(event1, event2, "full") 

這會給你在每個時間滯後的互相關值。你只是想找到最大的價值，並且時間滯後，在它發生了：

nR = max(xcor) 
maxLag = np.argmax(xcor) # I imported numpy as np here 

給你喜歡的東西：

Cross correlation value: 5 
Lag: 20 

這聽起來像你更感興趣的滯後值這裏。什麼滯後告訴你基本上是有多少時間/所需的位置偏移的兩個信號之間得到最大的互相關值（匹配度）是

你可能想看看文檔爲np.correlate和np.convolve到確定方法（完全，同樣的，或有效）你想通過你的數據的長度，你想，如果你的信號是不同的長度，以發生什麼確定這就是使用