Python对数据进行插值和下采样的方法
使用Python进行插值非常方便，可以直接使用scipy中的interpolate
import numpy as np x1 = np.linspace(1, 4096, 1024) x_new = np.linspace(1, 4096, 4096) from scipy import interpolate tck = interpolate.splrep(x1, data) y_bspline = interpolate.splev(x_new, tck)
其中y_bspline就是从1024插值得到的4096的数据
但是，scipy中好像并没有进行下采样的函数，嗯..难道是因为太过简单了么，不过好像用一个循环就可以完成，但如果把向量看成一个时间序列，使用pandas中的date_range模块也可以十分方便的以不同频率进行采样，并且，很多对文件的操作都是使用pandas操作的。
import pandas as pd
index = pd.date_range('1/1/2000', periods=4096, freq='T') #这个起始时间任意指定，freq为其频率
data = pd.read_table(filename, names=['feat'])
data.index = index
data_obj = data.resample('4T', label='right') #第一个为抽样频率，label表示左右开闭区间
data_new = data_new.asfreq()[0:]
因为data.resample返回的是一个 pandas.tseries.resample.DatetimeIndexResampler对象
所以想要获取其中的值可以通过 data_new.asfreq()[0:]获取
更多方法详见 pandas.DataFrame.resample
以上这篇Python对数据进行插值和下采样的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持小牛知识库。
-
我正在尝试在使用的Scikit学习SVM分类器中使用类权重。 我有四节课。现在对于class_weight，我希望四个类中的每一个都有介于0和1之间的随机值。可以用 但这仅适用于一个类，并且值是离散的，而不仅仅是在 0 和 1 之间采样。 我该如何解决这个问题？ 最后但同样重要的是，如果我使用0到1之间或1到10之间的值，这有关系吗(即权重是否被重新调整)？ 所有4类的权重总和是否应该总是相同的值
-
数据采集也即埋点，它是精细化分析的第一步。数据的准确性、可扩展性以及技术人员的高效性依次被视为数据采集的三大要点。埋点，保证了数据的准确性；事件、属性、值的结构保证了数据的可扩展性；埋点文档也保证了团队成员协同的高效性。 为了帮助诸葛io的客户能够准确、高效的采集数据，我们建议您： 一、数据分析需求梳理 数据采集切忌大而全，产品不断迭代，数据分析的需求也是随着产品不断迭代的，明确长远阶段和当前阶段
-
我的数据集如下所示： 我将其导入到熊猫数据框中，使用pandas.read_csv以年份和国家列作为索引。我需要做的是将时间步长从每5年更改为每年，并插入所述值，我真的不知道如何做到这一点。我正在学习R和python，所以在这两种语言的帮助将高度赞赏。
-
主要内容：降采样,升采样,频率转换,插值处理数据重采样是将时间序列从一个频率转换至另一个频率的过程，它主要有两种实现方式，分别是降采样和升采样，降采样指将高频率的数据转换为低频率，升采样则与其恰好相反，说明如下： 方法 说明 降采样 将高频率(间隔短)数据转换为低频率(间隔长)。 升采样 将低频率数据转换为高频率。 Pandas 提供了 resample() 函数来实现数据的重采样。 降采样 通过 resample() 函数完成数据的降采样
-
问题内容： 有什么有效的方法来连接JSON数据吗？假设我们有两个JSON数据集： 我想将其转换为以下客户端： 请记住，这里将有成千上万条包含更为复杂的数据结构的记录。jQuery和香草javascript都很好。还请记住，可能会有没有水果的颜色和没有颜色的水果。 注意：为了简单起见，假设两个数据集的顺序相同，但是第二个数据集可能有间隔。 问题答案： 没有直接的方法，但是您可以编写逻辑来获得这样的组
-
问题内容： 我有一个2D整数数组 MxN ，我想将该数组扩展为 （BM）x（BN） ，其中 B 是一个正方形瓦片边的长度，因此输入数组的每个元素都作为 BxB 块重复在最后的数组中。下面是带有嵌套的for循环的示例。有更快/内置的方法吗？ 结果… 问题答案： 一种选择是 由于中间数组，这有点浪费，但至少是简洁的。