如何在python中高效地在时间序列之间映射数据

我试图创建一个有效的函数来重新采样时间序列数据

假设：两组时间序列数据具有相同的开始和结束时间。（我在单独的步骤中执行此操作。）

重采样功能（效率低下）

将numpy导入为np
def重采样（所需的时间序列、数据序列）：
下采样索引=np.linspace（0，len（数据序列）-1，len（所需时间序列））.round（）.astype（int）
下采样_数组=[下采样_索引中ind的数据_序列[ind]
返回下采样_阵列

速度测试

import timeit
def测试速度（）：重新采样（[1,2,3]，.5,1,1.5,2,2.5,3,3.5,4,4.5,5,5.5,6]）
打印（timeit.timeit（测试速度，数字=100000））
# 1.5003695999998854 

有兴趣听取任何建议。

downsampled_array = [data_sequence[ind] for ind in downsampling_indices]

与

为我的测试数据提供了7倍的加速

用于测量加速比的代码：

import timeit

f1 = """
def resample(output_len, data_sequence):
    downsampling_indices = np.linspace(0, len(data_sequence)-1, output_len).round().astype(int)
    downsampled_array = [data_sequence[ind] for ind in downsampling_indices]
    return downsampled_array

resample(output_len, data_sequence)
"""

f2 = """
def resample_fast(output_len, data_sequence):
    downsampling_indices = np.linspace(0, len(data_sequence)-1, output_len).round().astype(int)
    downsampled_array = data_sequence[downsampling_indices]
    return downsampled_array

resample_fast(output_len, data_sequence)
"""


setup="""
import numpy as np
data_sequence = np.random.randn(10000)
output_len = 752
"""

print(timeit.timeit(f1, setup, number=1000))
print(timeit.timeit(f2, setup, number=1000))

# prints:
# 0.30194038699846715
# 0.041797632933594286

替换

downsampled_array = [data_sequence[ind] for ind in downsampling_indices]

与

为我的测试数据提供了7倍的加速

用于测量加速比的代码：

import timeit

f1 = """
def resample(output_len, data_sequence):
    downsampling_indices = np.linspace(0, len(data_sequence)-1, output_len).round().astype(int)
    downsampled_array = [data_sequence[ind] for ind in downsampling_indices]
    return downsampled_array

resample(output_len, data_sequence)
"""

f2 = """
def resample_fast(output_len, data_sequence):
    downsampling_indices = np.linspace(0, len(data_sequence)-1, output_len).round().astype(int)
    downsampled_array = data_sequence[downsampling_indices]
    return downsampled_array

resample_fast(output_len, data_sequence)
"""


setup="""
import numpy as np
data_sequence = np.random.randn(10000)
output_len = 752
"""

print(timeit.timeit(f1, setup, number=1000))
print(timeit.timeit(f2, setup, number=1000))

# prints:
# 0.30194038699846715
# 0.041797632933594286

---

请在您的问题中包含a。@Jfacconi您对我如何获得比此更多的最小值和可复制性有什么建议吗？我认为这可能会在上做得更好。谢谢@gmds，我将在代码审查中尝试并很快删除它。请在您的问题中包含a。@Jfacconi您对我如何获得更最小值和可复制性有什么建议吗比这更容易复制？我认为这可能在上做得更好。谢谢@gmds，我将在代码审查中尝试它，并很快在这里删除。