正如地球科学中经常发生的那样,我有一系列时间位置(lon,lat)。时间序列的时间间隔不均匀。时间采样如下:
t_diff_every_position = [3.99, 1.00, 3.00, 4.00, 3.98, 3.99, ... ]
我和每个t都有相关的位置:
lat = [77.0591, 77.0547, 77.0537, 74.6766, 74.6693, 74.6725, ... ]
lon = [-135.2876, -135.2825, -135.2776, -143.7432, -143.7994,
-143.8582, ... ]
我想重新对位置进行采样,以使数据集在时间上均匀分布。所以我希望时间向量看起来像:
t_resampled = [4.00, 4.00, 4.00, 4.00, 4.00, 4.00, ... ]
并具有插值的相关位置。
这些位置不遵循单调函数,所以我不能使用scipy中通常的重新采样和插值函数。 Positions with time
有没有人知道如何实现这一目标?
答案 0 :(得分:2)
一种方法是分别插入经度和纬度。以下是一些模拟数据的示例。
假设我们有100个经度(lon
),纬度(lat
)和时间戳(t
)。时间不规律:
>>> t
array([ 0. , 1.09511126, 1.99576514, 2.65742629, 3.35929893,
4.1379694 , 5.55703942, 6.52892196, 7.64924527, 8.60496239])
这些坐标绘制的路径如下所示:
我们使用scipy的interp1d
分别线性插入纬度和经度:
from scipy.interpolate import interp1d
f_lon = interp1d(t, lon)
f_lat = interp1d(t, lat)
然后我们制作一系列常规时间戳[1, 2, 3, ..., 100]
,然后重新取样我们的纬度和经度:
reg_t = np.arange(0, 99)
reg_lon = f_lon(reg_t)
reg_lat = f_lat(reg_t)
下面的图显示了在常规间隔np.arange(0, 99, 5)
上进行插值的结果。这是一个比你想要的更粗糙的区间,因为如果使用更精细的区间,很难看到每个图中实际上有两个函数。