Question

我有许多不同长度的数组，我想要做的是为这些数组设置一个固定的长度，比方说100个样本。这些数组包含时间序列，我不想在减小数组大小的同时丢失这些系列的形状。我认为我需要的是欠采样算法。有没有一种简单的方法可以减少阵列中的样本数量，就像某些值的平均值一样？

由于

Answer 1

如果您使用带有生成的随机索引的切片，并保留原始数组（或仅保留其形状以减少内存使用量）：

import numpy as np
input_data = somearray
shape = input_data.shape
n_samples= 100
inds = np.random.randint(0,shape[0], size=n_samples)
sub_samples = input_data[inds]

Answer 2

这是一个没有numpy的小脚本。即使需要的长度大于阵列的长度，也要保持形状。

from math import floor

def sample(input, count):
    output = []
    sample_size = float(len(input)) / count
    for i in range(count):
        output.append(input[int(floor(i * sample_size))])
    return output

Answer 3

这是Nick Fellingham的答案缩短版。

from math import floor
def sample(input,count):
    ss=float(len(input))/count
    return [ input[int(floor(i*ss))] for i in range(count) ]

数组欠采样Python

3 个答案: