Python對(duì)數(shù)據(jù)進(jìn)行插值和下采樣的方法
使用Python進(jìn)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就是從1024插值得到的4096的數(shù)據(jù)
但是,scipy中好像并沒有進(jìn)行下采樣的函數(shù),嗯..難道是因?yàn)樘^簡(jiǎn)單了么,不過好像用一個(gè)循環(huán)就可以完成,但如果把向量看成一個(gè)時(shí)間序列,使用pandas中的date_range模塊也可以十分方便的以不同頻率進(jìn)行采樣,并且,很多對(duì)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') #這個(gè)起始時(shí)間任意指定,freq為其頻率
data = pd.read_table(filename, names=['feat'])
data.index = index
data_obj = data.resample('4T', label='right') #第一個(gè)為抽樣頻率,label表示左右開閉區(qū)間
data_new = data_new.asfreq()[0:]
因?yàn)閐ata.resample返回的是一個(gè) pandas.tseries.resample.DatetimeIndexResampler對(duì)象
所以想要獲取其中的值可以通過 data_new.asfreq()[0:]獲取
更多方法詳見 pandas.DataFrame.resample
以上這篇Python對(duì)數(shù)據(jù)進(jìn)行插值和下采樣的方法就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
python matplotlib.pyplot.plot()參數(shù)用法
這篇文章主要介紹了python matplotlib.pyplot.plot()參數(shù)用法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧2020-04-04
Pandas?多進(jìn)程處理數(shù)據(jù)提高速度
這篇文章主要介紹了Pandas?多進(jìn)程處理數(shù)據(jù)提高速度,Pandas多進(jìn)程的方法,pandarallel?庫(kù),下面具體的測(cè)試方法,需要的朋友可以參考一下,希望對(duì)你的學(xué)習(xí)有所幫助2022-04-04
Windows下搭建python開發(fā)環(huán)境詳細(xì)步驟
這篇文章主要為大家詳細(xì)介紹了Windows下搭建python開發(fā)環(huán)境,文中安裝步驟介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2016-05-05
Python通過隊(duì)列實(shí)現(xiàn)進(jìn)程間通信詳情
這篇文章主要介紹了Python通過隊(duì)列實(shí)現(xiàn)進(jìn)程間通信詳情文章通過提出問題:在多進(jìn)程中,每個(gè)進(jìn)程之間是什么關(guān)系展開主題相關(guān)內(nèi)容,感興趣的朋友可以參考一下2022-06-06
使用Python實(shí)現(xiàn)繪制發(fā)散條形圖
發(fā)散條形圖用于簡(jiǎn)化多個(gè)組的比較,它許我們比較各組中的數(shù)值,還幫助我們快速地想象出有利的和不利的或積極的和消極的反應(yīng),下面我們就來(lái)看看如何使用Python繪制發(fā)散條形圖吧2024-04-04
python制作的天氣預(yù)報(bào)小工具(gui界面)
大家好??!我用Tkinter寫了一個(gè)天氣預(yù)報(bào)小工具,支持34個(gè)省級(jí)行政區(qū)以及港澳臺(tái)地區(qū)天氣,覆蓋全面。程序打包好放在了藍(lán)奏云,與大家分享一下。2021-05-05

