以numpy/scipy为单位在均匀间隔上对时间序列重新采样？

我有一个随机变量

X

在随机时间

T

采样，类似于这个玩具数据：

import numpy as np
T = np.random.exponential(size=1000).cumsum()
X = np.random.normal(size=1000)

此时间序列如下所示：

一个关键点是采样间隔是非均匀的：我的意思是

np.diff（T）

的所有元素都不相等。我需要以指定的宽度对时间序列

T，X

进行重新采样

dt

，意思是

（np.diff（T）=dt）。all（）

应返回

True

我可以使用

scipy.interpolate.interp1d

在均匀间隔上对时间序列重新采样，但此方法不允许我指定间隔大小

dt

：

from scipy.interpolate import interp1d
T = np.linspace(T.min(),T.max(),T.size) # same range and size with a uniform interval
F = interp1d(T,X,fill_value='extrapolate') # resample the series on uniform interval
X = F(T) # Now it's resampled.

关键问题是

interp1d

不接受数组

T

，除非

T.size==X.size

---

有没有另一种方法我可以试着对时间序列

T，X

在宽度

dt

的均匀间隔上重新采样？

哦，是的，当然。哈哈，谢谢！然而，我认为

linspace

应该是

arange

！

dt = ...
from scipy.interpolate import interp1d   
Told = np.arange(T.min(),T.max(),T.size)
F = interp1d(Told,X,fill_value='extrapolate') 
Tnew = np.linspace(T.min(), T.max(), dt)
Xnew = F(Tnew)