使用Python进行插值非常方便，可以直接使用scipy中的interpolate
|
1
2
3
4
5
6
|
import numpy as np
x1 = np.linspace(1, 4096, 1024)
x_new = np.linspace(1, 4096, 4096)
from scipy import interpolate
tck = 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。
|
1
2
3
4
5
6
|
import pandas as pd
index = 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 = index
data_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服务器之家。
原文链接：https://blog.csdn.net/renjunsong0/article/details/55057173