Python：相對於數據集統一切片陣列

Question

我有一個數據集，其時間爲t，數據爲d。不幸的是，我在一段時間後改變了輸出數據的速度（最初速度太高）。我想對數據進行採樣，以便有效地移除高頻導出的數據，但在結束時保持低頻導出的數據。

考慮下面的代碼：

arr = np.loadtxt(file_name,skiprows=3) 

哪裏t = arr[:,0], d = arr[:,1]。

這裏得到一個統一的切片功能：

def get_uniform_slices(arr, N_desired_points): 
    s = arr.shape 
    if s[0] > N_desired_points: 
     n_skip = m.ceil(s[0]/N_desired_points) 
    else:      
     n_skip = 1 
    return arr[0::n_skip,:] # Sample output 

但是，這些數據然後查找罰款高頻導出的數據，但對於低頻輸出的數據過於稀疏。

有沒有某種方式切片，使索引相對於t均勻間隔？

任何幫助，非常感謝。

這是功能我用來查找索引，根據公認的答案：

def get_uniform_index(t,N_desired_points): 
    t_uniform = np.linspace(np.amin(t),np.amax(t),N_desired_points) 
    t_desired = [nearest(t_d, t) for t_d in t_uniform] 
    i = np.in1d(t, t_desired) 
    return i 

Answer 1

你只有2D數據，例如，

t = np.arange(0., 100., 0.5) 
d = np.random.rand(len(t)) 

你要保持數據的唯一特定值在均勻間隔的時間，例如

t_desired = np.arange(0., 100., 1.) 

讓我們挑出來的時候期望使用in1d功能所需要的數據點：

d_pruned = d[np.in1d(t, t_desired)] 

當然，你必須挑選t_desired，他們應該在t匹配值。如果這是一個問題，你可以使用如挑近似均勻倍，

def nearest(x, arr): 
    index = (np.abs(arr - x)).argmin() 
    return arr[index] 

t_uniform = np.arange(0., 100., 1.) 
t_desired = [nearest(t_d, t) for t_d in t_uniform] 

下面是完整的代碼：

import numpy as np 

t = np.arange(0., 100., 0.5) 
d = np.random.rand(len(t)) 

def nearest(x, arr): 
    index = (np.abs(arr - x)).argmin() 
    return arr[index] 

t_uniform = np.arange(0., 100., 1.) 
t_desired = [nearest(t_d, t) for t_d in t_uniform] 

d_pruned = d[np.in1d(t, t_desired)]