时间:2021-05-22
使用Python进行插值非常方便,可以直接使用scipy中的interpolate
import numpy as npx1 = np.linspace(1, 4096, 1024)x_new = np.linspace(1, 4096, 4096)from scipy import interpolatetck = interpolate.splrep(x1, data)y_bspline = interpolate.splev(x_new, tck)其中y_bspline就是从1024插值得到的4096的数据
但是,scipy中好像并没有进行下采样的函数,嗯..难道是因为太过简单了么,不过好像用一个循环就可以完成,但如果把向量看成一个时间序列,使用pandas中的date_range模块也可以十分方便的以不同频率进行采样,并且,很多对文件的操作都是使用pandas操作的。
import pandas as pdindex = pd.date_range('1/1/2000', periods=4096, freq='T') #这个起始时间任意指定,freq为其频率data = pd.read_table(filename, names=['feat'])data.index = indexdata_obj = data.resample('4T', label='right') #第一个为抽样频率,label表示左右开闭区间data_new = data_new.asfreq()[0:]因为data.resample返回的是一个 pandas.tseries.resample.DatetimeIndexResampler对象
所以想要获取其中的值可以通过 data_new.asfreq()[0:]获取
更多方法详见 pandas.DataFrame.resample
以上这篇Python对数据进行插值和下采样的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
因为工作中会经常遇到不同采样率的声音文件的问题,特意写了一下重采样的程序。原理就是把采样点转换到时间刻度之后再进行插值,经过测试,是没有问题的。#!/usr/b
本文实例讲述了Python基于opencv的图像压缩算法。分享给大家供大家参考,具体如下:插值方法:CV_INTER_NN-最近邻插值,CV_INTER_LIN
在用python绘图的时候,经常由于数据的原因导致画出来的图折线分界过于明显,因此需要对原数据绘制的折线进行平滑处理,本文介绍利用插值法进行平滑曲线处理:实现所
Pandas中的resample,重新采样,是对原样本重新处理的一个方法,是一个对常规时间序列数据重新采样和频率转换的便捷的方法。降采样:高频数据到低频数据升采
python/和%和//(地板除)用于对数据进行除法运算。python中//和/和%简介python中与除法相关的三个运算符是//和/和%,下面逐一介绍。“/”