熊猫对整数索引的重采样
我正在为不是DatetimeIndex而是整数数组甚至浮点数的数据框寻找与resample方法等效的大熊猫. 我知道在某些情况下(例如，此)重新采样方法可以很容易地用重新索引和内插代替，但在某些情况下(我认为)不能. 例如，如果我有 df = pd.DataFrame(np.random.randn(10,2)) withdates = df.set_index(pd.date_
..
resampling相关内容
熊猫每隔n行
Dataframe.resample()仅适用于时间序列数据.我找不到从非时间序列数据中获取第n行的方法.最好的方法是什么? 解决方案 我将使用iloc，它根据整数位置并遵循常规python语法获取行/列切片. df.iloc[::5, :]
..
对数间隔的整数
说我有一个10,000 pt的矢量，我想截取仅100个以对数间隔的点的切片.我想要一个函数为索引提供整数值.这是一个简单的解决方案，只需使用+日志空间，然后消除重复项即可. def genLogSpace( array_size, num ): lspace = around(logspace(0,log10(array_size),num)).astype(uint64)
..
具有相同输入大小的快速和非常慢的scipy.signal.resample
根据 scipy.signal.resample ，速度应根据输入的长度 : 如前所述，重采样使用FFT转换，如果输入采样的数量较大且质数较大，则转换速度可能非常慢，请参阅scipy.fftpack.fft. 但是我在相同输入下的计时时间(因子x14)非常不同，并且期望输出尺寸只有很小的变化: import numpy as np, time from scipy.signal
..
Scipy插值如何将3x3矩阵的大小调整/重采样为5x5?
编辑:Paul在下面解决了这一问题.谢谢！ 我正在尝试将3x3矩阵重采样(放大)为5x5，使用interpolate.interp2d或interpolate.RectBivariateSpline(或任何可行的方法)填充中间点. 如果有一个简单的现有函数可以执行此操作，则我想使用它，但尚未找到它.例如，一个功能如下: # upscale 2x2 to 4x4 matrixSma
..
重新采样一个numpy数组
很容易对 这样的数组进行重新采样 a = numpy.array([1,2,3,4,5,6,7,8,9,10]) 具有整数重采样因子.例如，系数为2: b = a[::2] # [1 3 5 7 9] 但是由于使用非整数的重采样因子，因此操作起来并不容易: c = a[::1.5] # [1 2 3 4 5 6 7 8 9 10] => not what i
..
使用scipy.signal.resample重新采样的时间
我有一个信号不是等距采样的；进行进一步处理.我以为scipy.signal.resample可以做到，但我不了解它的行为. 信号在y中，对应的时间在x中. 预计将在yy进行重新采样，所有相应的时间在xx中.有人知道我做错了什么或如何实现我所需要的吗? 此代码不起作用:xx不是时间: import numpy as np from scipy import signal impor
..
下采样一维numpy数组
我有一个一维的numpy数组，我想对其进行下采样.如果下采样栅格不能完全适合数据，则可以使用以下任何一种方法: 重叠下采样间隔 将结尾处剩余的任意数量的值转换为单独的下采样值 插值以适合栅格 如果有的话，基本上是 1 2 6 2 1 我将采样降低3倍，以下所有内容都可以: 3 3 3 1.5 或任何插值给我带来的效果. 我只是在寻找最快/最简单的方法.
..
熊猫面板重采样替代品
我经常使用pd.Series.resample()，想知道是否有一种方法可以重新采样/插值月网格数据(时间，纬度，经度)以表示"MS"(每月开始).我了解此功能未在Panel中直接实现.有解决方法吗? 解决方案 您应该查看 xray 包.这是一个N维标签阵列包装，扩展了许多熊猫的重采样/分组功能.它是一个纯python软件包，因此易于安装，并包含一些非常实用的netCDF I/O实用程序.
..
仅在知道结果测量计数的情况下对熊猫数据框重新采样
我有一个看起来像这样的数据框: Trial Measurement Data 0 0 12 1 4 2 12 1 0 12 1 12 2
..
在Python中将不规则间隔的数据重新采样到规则网格
我需要将2D数据重新采样到常规网格中. 这是我的代码的样子: import matplotlib.mlab as ml import numpy as np y = np.zeros((512,115)) x = np.zeros((512,115)) # Just random data for this test: data = np.random.randn(512,115)
..
升采样的正确方法是什么?
我有一个75 Hz的采样数组，我想以128 Hz的频率存储它们.如果它是64 Hz和128 Hz，这非常简单，那么我会将所有样本加倍.但是，如果采样率不是彼此的一小部分，正确的方法是什么? 解决方案 如果要避免过滤，则可以: 将信号作为一组连接的内插三次曲线处理 ，但是这一点与使用线性插值相同.如果不了解信号和用途的更多信息，就无法构造valid系数(而不会破坏信号精度)，例如
..
使用另一个时间序列的索引重新采样时间序列
我有2个数据框，列相同但日期时间索引不同。我想重新取样其中一个，以使用另一个的索引，并从另一个索引中的任何日期使用前一个填充数据，其中没有数据。 将pandas导入为pd 从日期时间导入日期时间导入numpy为np 为dt a_values = np.random.randn （4,4） a_index = [dt（2012,3,16），dt（2012,3,19），dt（201
..
使用Python图像库和光晕效果调整透明度
在SO上有几个类似的问题，但没有一个真的有帮助。基本上我正在尝试调整一个简单的png图像，如下所示： http://media.spiralknights.com/wiki-images/3/3e/Equipment-Proto_Sword_icon.png （来自mmo Spiral Knights，版权所有Three Rings Entertainment） 我最初实现了一个在p
..
重新采样错误：不能使用方法或限制重新索引非唯一索引
我使用Pandas来构造和处理Data。 我在这里有一个DataFrame，它的日期是索引，Id和比特率。 我想通过ID对数据进行分组，并重新采样，同时，对每个ID相对的时间，最后保持比特率分数。 例如，给出： df = pd.DataFrame（ {'Id'：['CODI126640013.ts' ，'CODI126622312.ts']， 'beginning_time
..
以“bin size”/“频率”重新采样熊猫数据帧
我有一个多索引数据帧，我想重新采样，将数据点的频率降低3倍（意味着每3行成为一个）。 This： 时间值 ID测量 ET001 0 0 2 1 0.15 3 2 0.3 4 3 0.45 3 4 0.6 3 5 0.75 2 6 0.9 3 ET002 0 0 2 1 0.16 5 2 0.32 4 3 0.45 3 4 0.6 3
..
用给定的timedelta重新采样时间
我正在使用熊猫来构建和处理数据。这是我的DataFrame： 我想对时间序列数据进行重新采样，对于每个ID（命名为“3”），从开始到结束（begin_time / end_time）都有所有比特率分数。例如，对于第一行，我想要有所有秒，从2016-07-08 02:17:42到07-07-08 02:17:55，具有相同的比特率分数，当然同样的ID 。如下所示： 例如，给出：
..
圆熊猫日期时间指数？
我将多个时间表的电子表格读入大熊猫数据帧，并将它们与普通的熊猫日期时间索引连接起来。记录时间序列的数据记录器不是100％准确的，这使得重采样非常烦人，因为如果时间稍微高于或低于采样间隔，它将创建NaN并开始使我的系列看起来像一条虚线。这是我的代码 def loaddata（filepaths）： t1 = time.clock（） for i在范围（LEN（文件路径））： XL =
..
将Pandas tseries对象转换为DataFrame
我希望将以下 类型对象转换为大熊猫DataFrame对象（ ）。然而，我在大熊猫文档中找不到相关的功能，让我这样做。 数据采用以下格式： M30 日期 2016-02-29 -61.187699 2016-03-
..
如何做单声道到立体声转换？
我使用libswresample从任何PCM格式44.1，16位INT重新采样，立体声。 我是用所产生的音频流的一些音频音量分析玩弄，我想通了，万一我有44.1kHz的，16位INT单为源，我也大致表现公式： leftSample = sourceSample /开方（2）; rightSample = sourceSample / SQRT（2）; 但我期待： leftSample =
..