写在最前：今天处理一组数据，每条数据长度不一样，打算重采样成相同长度。在浏览器搜索“ resample ”，但是一直找不到我想要那种方法。捣腾了很长时间，结果一直不理想。最后打算自己做线性插值，然后再采样，最终找到了scipy.interpolate.interp1d()函数，这其实才是我想要的重采样，因此写下这篇博客，对比了scipy.signal.resample()方法和scipy.interpolate.interp1d()方法，以便以后再用。

对 不等间隔 数据 等间隔 重采样

目的：对下面这样的一个信号进行重采样

t = np.array([0.001, 0.002, 0.005, 0.01, 0.02, 0.05, 0.1, 0.2, 0.5, 1, 2, 5, 10,15,20])
x = np.exp(-t / 3.0)
plt.plot(t,x,'o--')
plt.show()

方法一：scipy.signal.resample

上采样

15个点采成20个点

t = np.array([0.001, 0.002, 0.005, 0.01, 0.02, 0.05, 0.1, 0.2, 0.5, 1, 2, 5, 10,15,20])
x = np.exp(-t / 3.0)
print(f'原始数据长度：{len(x)}')
plt.plot(t,x,'o--',label='raw')


#使用resample
re_x = signal.resample(x,20)
t1 = np.linspace(0.001,20,20,endpoint=True)
plt.plot(t1,re_x,'*--',label='resample')
plt.show()

效果有点惨不忍睹。因为scipy.signal.resample()只能处理等间隔的输入。

下采样

15个点采成10个点
15个点下采样成10个点也一样，结果惨不忍睹。

方法二：插值重采样

这里用到了scipy.interpolate.interp1()方法。直接上代码：

f = interpolate.interp1d(t, x,kind='quadratic')
# kind可选“linear”、“nearest”、“nearest-up”、“zero”、“slinear”、“quadratic”、“cubic”、“previous”或“next”之一。
# “zero”、“slinear”、“quadratic”、“cubic”是指零阶、一阶、二阶或三阶样条插值； 
#“previous”或“next”简单地返回该点的上一个或下一个值； 
#在插入半整数（例如 0.5、1.5）时，“nearest-up”和“nearest”不同，“nearest-up”向上舍入，“nearest”向下舍入。 
#kind默认为“线性”。
tnew = np.linspace(0.001, 20, 20)
xnew = f(tnew)
print(f'重采样长度：{len(xnew)}')

plt.plot(tnew,xnew,'*-')
plt.show()

---

对 等间隔 数据 等间隔 重采样

方法一：scipy.signal.resample

上采样

15个点采成20个点

t = np.linspace(0.001,20,15)
x = np.exp(-t / 3.0)
print(f'原始数据长度：{len(x)}')
plt.plot(t,x,'o--',label='raw')


#使用resample
re_x = signal.resample(x,20)
t1 = np.linspace(0.001,20,20,endpoint=True)
plt.plot(t1,re_x,'*--',label='resample')
plt.show()
print(f'重采样长度：{len(re_x)}')

下采样

15个点采成10个点

scipy.signal.resample()方法总结

可以看出，scipy.signal.resample()方法可能并不是我们想要的重采样方法。scipy.signal.resample()方法在 起点 和 终点 附近会出现很大的 振荡 ，因为这个方法使用Fourier方法进行重采样的（我也不知道Fourier方法是什么），它假设我们要重采样的信号具有周期性。官方文档是这样说的：Because a Fourier method is used, the signal is assumed to be periodic.
然而，我们想要的重采样可能是长下面这样的：

这其实用到的是插值重采样的方法，代码如方法二

方法二：插值重采样

t = np.linspace(0.001,20,15)
x = np.exp(-t / 3.0)
print(f'原始数据长度：{len(x)}')
plt.plot(t,x,'o--',label='raw')


f = interpolate.interp1d(t, x,kind='quadratic')
tnew = np.linspace(0.001, 20, 10)
xnew = f(tnew)
print(f'重采样长度：{len(xnew)}')

plt.plot(tnew,xnew,'*-')
plt.show()

觉得有用的小伙伴点个赞呗