1D数据的区间平均值

Question

我有两个一维数组，一个用于测量数据，另一个用于位置。例如，测量数据可以是温度，另一个数据是测量的高度：

temp = np.asarray([10, 9.6, 9.3, ..., -20.3, -21.0])  # Temperature in celsius
height = np.asarray([129, 145, 167, ..., 5043, 5112]) # Height in meters

如您所见，测量的高度不是有规律的间隔。

我想以规则间隔的高度间隔计算平均温度。这是某种移动平均线，但窗口大小是可变的，因为感兴趣区间内的数据点并不总是相同。

这可以通过以下方式使用for循环来完成：

regular_heights = np.arange(0, 6000, 100) # Regular heights every 100m
regular_temps = []

for i in range(len(regular_heights)-1):
    mask = np.logical_and(height > regular_heights[i], height < regular_heights[i+1])
    mean = np.mean(temp[mask])
    regular_temps.append(mean)

regular_temps = np.hstack((regular_temps))

我不太喜欢这种方法，而且我想知道是否会有更“笨拙”的解决方案。

Answer 1

您可能正在寻找UnivariateSpline。例如：

from scipy.interpolate import UnivariateSpline

temp = np.asarray([10, 9.6, 9.3, 9.0, 8.7])    # Temperature in celsius
height = np.asarray([129, 145, 167, 190, 213]) # Height in meters
f = UnivariateSpline(height, temp)

现在，您可以随时随地评估f：

regular_heights = np.arange(120, 213, 5)       # Regular heights every 5m
plot(height, temp, 'o', regular_heights, f(regular_heights), 'x')