重塑数据样本

Question

我有两个数组中的数据对样本。例如：

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

因此，在时间0时，值为1，在时间1时为2，依此类推。正如你所看到的，时间值不是固定的时间距离（尽管在所有情况下都是按照升序排列的）。我在寻找一种有效的方式对上述转换成

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

这些值是根据该地块从中间值计算：

当然，我可以做一个循环找到这些值并将它们填入目标数组中。但我不知道numpy是否有什么“立即”做到这一点。

注：This与我想要的相似（虽然稍微有点琐碎），所以我猜测没有任何东西可用。但是谁知道。

Answer 1

随着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.  ]) 

有了大熊猫，这也是可能的：

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取这两个指数的联合。内插是做这项工作的主要方法。由于您正在对索引进行线性插值，因此您需要通过method='index'。