Pandas 使用其他不规则时间列表对不规则时间序列进行重新采样和插值

Question

我从 2 个不同的传感器收集数据，这些传感器以不均匀的间隔异步运行。我想从传感器 1 获取数据，并将其插值到传感器 2 的时间戳中。我找到了一种使用 Pandas 进行此操作的方法，涉及首先创建一个组合时间序列，对其进行插值，然后将插值时间序列与第二个传感器的时间序列组合，以仅显示相交时间。是否有更 Pythonic（或 Pandaic）的方式来更有效地做到这一点。这是使用我上面描述的方法的示例代码：

import numpy as np
from matplotlib import pyplot as plt
import datetime
import pandas as pd

rand_secs = np.sort(np.random.randint(1, high=60,size=10))
times = [pd.datetime(2019, 5, 23,9, x) for x in rand_secs]
frame1 = pd.DataFrame(index = times,
                      data = np.sin(rand_secs/60*2*np.pi))
ax1 = frame1.plot(marker='+')
plt.xlim(pd.datetime(2019, 5, 23,9, 0), pd.datetime(2019, 5, 23,9, 59))
plt.ylim(-1.1,1.1)

times2 = [pd.datetime(2019, 5, 23,9, x) for x in np.sort(np.random.randint(1, high=60,size=10))]
frame2 = pd.DataFrame(index = times2)

frame12_combined = pd.merge(frame1, frame2, how='outer',left_index=True, right_index=True)
frame12_interp = frame12_combined.interpolate(method='index') #Linear is not Correct

frame1_resampled = pd.merge(frame2, frame12_interp, how='left',left_index=True, right_index=True)
frame1_resampled.plot(ax=ax1,style='o' )
ax1.legend(['Original time series', 'Resampled time series'])

Answer 1

使用Pandas我们可以做以下事情：

您可以使用 pandas.DataFrame 中的 union from pandas.Index along with reindex，这将消除所有合并：

ax1 = frame1.plot(marker='+')
frame1_r = frame1.reindex(frame1.index.union(frame2.index))\
                 .interpolate(method='index')\
                 .reindex(frame2.index)
frame1_r.plot(ax=ax1, style='o')

输出：

Pandas 使用其他不规则时间列表对不规则时间序列进行重新采样和插值

Pandas resample and interpolate an irregular time series using a list of other irregular times

python

interpolation

time-series

resampling

pandas

使用Pandas我们可以做以下事情：