Python 将数据集缩小，将信息的要点保留在数据集中

我正在画一张折线图。数据由传感器生成，是一个元组时间戳值。传感器每隔60秒左右创建一个新数据点

现在我想把它显示在一个图表中，我的限制是在图表上显示大约900个点。从每天的图表来看，我会得到大约1440分，这太多了

我正在寻找一种通用方法，在我的案例900中，如何将任意大小的数据集缩小到固定大小，同时保持时间戳分布的线性

---

谢谢

我相信您正在尝试重新采样数据。您当前的采样率为每秒1/60个样本，您正在尝试将采样率提高到每秒1/96个900/24*60*60。这两个比率是5/8

如果您搜索python重采样，您将发现其他类似的问题和文章，其中涉及numpy和pandas，它们为它内置了例程

要手动执行此操作，您可以先将采样数增加5，以达到每秒7200个样本，然后再将采样数减少8，以达到每秒900个样本

要增加采样，您可以创建一个五倍长的新列表，并用现有数据填充每五个元素。然后你可以做，比如说，线性插值来填补空白

---

如果你这样做了，你可以通过简单地取每八个元素来减少采样。

以下是我使用熊猫的最终解决方案：

df = pd.read_json('co2.json')

# calculates the 'rule' parameter for resampling
seconds = int(df.tail(1)[0]) - int(df.head(1)[0])
rule = seconds // 960

df.index = pd.to_datetime(df[0], unit='s')
df.resample('%sS' % rule).mean()

---

您应该添加预期输入和输出的示例，查看请澄清要求。您希望时间戳分布是完全线性的还是近似线性的？是否允许某种类型的混叠，其中两个相邻点的结果以某种方式平均在一起？在这一点上，我还不知道。我将用熊猫的重采样能提供什么，并在现实生活中看到它是的，我在写问题几分钟后找到了正确的术语。我目前正在研究熊猫的重新取样，以及它如何满足我的需要