在numpy / scipy中以均匀间隔重新采样时间序列？

Question

我有一个随机变量X 随机采样T 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)

这个时间序列如下所示：

一个关键点是采样间隔是不均匀的：我的意思是np.diff(T) 的所有元素都不相等。我需要以指定宽度dt 以均匀间隔重新采样时间序列T,X，这意味着(np.diff(T)==dt).all() 应该返回True。

我可以使用scipy.interpolate.interp1d 以均匀的间隔重新采样时间序列，但是这种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.

基本问题是interp1d 不接受数组T，除非T.size==X.size。

是否有另一种方法可以尝试以宽度 dt 的均匀间隔对时间序列 T,X 重新采样？

Answer 1

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)