Python 具有nan值的下采样信号

我正在尝试使用以下方法减少时间序列数据的采样。我的数据具有NaN值，因此结果是一个仅包含NaN值的数组。我认为这实际上是算法在抽取数据之前应用的低通滤波器的结果

---

如何正确处理NaN值？我考虑过丢弃NaN值，但我需要每个时间步的一些数据。我倾向于使用最接近的非NaN值的平均值，尽管我不知道这种天真的方法是否会产生负面影响。是否有一个选项可以忽略它们，类似于？

您可以始终使用掩码过滤数据，即

数据[~np.isnan（数据）]

添加代表性样本数据和预期输出？如果检查源，则

scipy.decimate

内部使用的任何过滤函数都不可用（取决于阵列尺寸和指定的

ftype

）支持屏蔽NaN。我认为这也是一项相当大的工作，因为您需要根据窗口函数和邻近区域中一个或多个NaN的相对位置来更正NaN附近的每个值。因此，是的，如果您想在下采样之前进行过滤，我想您需要用一些填充值替换NaN取决于最接近的非NaN。我认为值得注意的是，如果下采样因子较大，低通滤波器实际上不会起多大作用，因此您可以重新塑造，然后在新维度上应用

np.nanmean

。