我有一个 (MxN) 维的二维矩阵。 M--> 时间，N--> 空间。 M 有一个固定的频率（每 1s），而 N 是不规则间隔的。
我想在 M 和 N 中重新采样，通过堆叠（平均） 所以我创建了一个熊猫数据框，
index = pd.date_range('1/1/2000', periods=singal_time.shape[0], freq='s')
dlf=pd.DataFrame(dhi,index=index)
dlf=dlf.resample('10s').mean().values
所以数据被及时重新采样。
N 维由向量 dis[Mx1] 决定，其中我有每列的距离。那有不规则的间距，大约10厘米，但不是恒定的。
我的想法是制作一个新的数据框
dlf=pd.Dataframe(dlf.T,index=dis)
我如何重新采样它说每 1 m 的平均值？
简而言之
dlf=np.random.rand(1000,2000)
length_signal=dlf.shape[0]
dt=1
singal_length_time=dt*length_signal
singal_time=np.arange(0,singal_length_time,dt)
space_dim=m=np.arange(0,200,0.1)
如果我每 10 行和 10 行重新采样，新的 dlf 应该是 (100,200) 大小