时间序列重采样-时间位置均匀
时间序列重采样-时间位置均匀
提问于 2015-11-19 15:53:55
正如地球科学中经常发生的那样，我有一个时间序列的职位(龙，拉特)。时间序列的时间间隔不均匀。时间抽样看上去如下：
t_diff_every_position = [3.99, 1.00, 3.00, 4.00, 3.98, 3.99, ... ]我和每一个T都有关联：
lat = [77.0591, 77.0547, 77.0537, 74.6766, 74.6693, 74.6725, ... ]
lon = [-135.2876, -135.2825, -135.2776, -143.7432, -143.7994,
-143.8582, ... ]我想重新采样位置，使数据集在时间上间隔均匀。所以我希望时间向量看起来像：
t_resampled = [4.00, 4.00, 4.00, 4.00, 4.00, 4.00, ... ]并通过插值获得相关联的位置。
这些位置不遵循单调函数，所以我不能使用通常的重新采样和插值函数。位置随时间变化
有没有人知道如何实现这一目标？
回答 1
Stack Overflow用户
回答已采纳
发布于 2015-11-20 16:42:53
一种方法是分别对经度和纬度进行插值。下面是一个有一些模拟数据的例子。
假设我们有100个经度(lon)、纬度(lat)和时间戳(t)。时间不规则：
>>> t
array([ 0. , 1.09511126, 1.99576514, 2.65742629, 3.35929893,
4.1379694 , 5.55703942, 6.52892196, 7.64924527, 8.60496239])由这些坐标绘制的路径看起来类似于：
我们使用interp1d对纬度和经度分别进行线性插值：
from scipy.interpolate import interp1d
f_lon = interp1d(t, lon)
f_lat = interp1d(t, lat)然后，我们制作了一个常规时间戳( [1, 2, 3, ..., 100] )阵列，并对我们的纬度和经度进行了重采样：
reg_t = np.arange(0, 99)
reg_lon = f_lon(reg_t)
reg_lat = f_lat(reg_t)下面的图显示了在正则区间np.arange(0, 99, 5)上插值的结果。这是一个比您想要的更粗的间隔，因为如果使用更细的间隔，很难看出每个图中实际上有两个函数。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/33808554
复制相关文章
相似问题
腾讯云开发者
