我有一个模型光谱网格，它具有恒定的，非常高的光谱分辨率，我需要将它们下采样到较低的分辨率，同时保留计数总数。
本质上，如果前5个区间具有（标称中心区域）波长[7.8, 7.81, 7.82, 7.83, 7.84]，并且值[1.01, 1.02, 1.015, 1.014, 1.02]，并且我所需的区间是某个（非整数）因子（比如说） ，2.5倍的宽度，我希望我的新光谱具有标称波长[7.81, 7.83]和值[1.01+1.02+0.5*1.015, 0.5*1.015+1.014+1.02]（一般来说，这些箱子也没有排成一列，所以你可能会得到一小部分箱子在任何一方）。
我会调用我的网格spec_ssp，它的shape为(93, 16, 39848)。波长沿轴2变化，前两个轴是其他参数。我也有每个波长区的标称（中心）波长（技术上，它们是波长的对数，但这无关紧要），称为logL_ssp，以及logL网格所需的新间距， dlogL_new。我可以通过计算dlogL_ssp来计算模板np.median(logL_ssp[1:] - logL_ssp[:-1])的标称logL间距，它大约是所需logL间距的20％。我们将该分数称为f。
我最初尝试使用scipy.ndimage.zoom，使用前面提到的因素f，但发现它给了我一个按正好4 因子进行下采样的数组。我需要一个精确的重新采样，所以这不起作用。
接下来，我尝试在设置新的bin限制之后使用np.interp1d沿轴2进行线性插值，目的是使用np.integrate.quad在连续的bin限制之间将光谱集成到我的网格中，从而有效地获得估计每个新垃圾桶的总光量，或多或少严格。但是，quad与interp1d的插值器不匹配（quad不喜欢非浮点输入）。而且，由于我有大约1500个模型光谱，所以在迭代所有三个轴时整个过程需要花费很长时间（是的，我只是为每个模型光谱制作一个新的插值器）。
任何想法如何解决这个问题？