我如何使用Numpy从sensor_2中减去sensor_1的数据，而sensor_1具有不同的大小并错过相同的时间点？

Question

当sensor_2具有不同的大小、不同的时间距离和错过相同的时间点时，如何使用Numpy从sensor_1中减去sensor_1的数据？

x1=np.array([4.1, 5.2, 7.1])                       # time points
y1=np.array([6.1, 7.1, 7.9])                       # sensor1 data

x2=np.array([1.3, 2.3, 3.4, 4.7, 5.1,  6.3, 7.2])  # time points
y2=np.array([4.9, 5.1, 4.6, 6.1, 7.1, 17.9, 4.2])  # sensor2 data

我在x1的范围内寻找y2-y1的差值。丢失的时间点(~6)和x1:y1中较晚的开始使它变得有点困难。

每个数据集的大小约为1M字节。时间点的距离是未知的。这使得重新采样变得困难。

出于遗留原因，最好使用Py2.7解决方案。不过，要小块头熊猫也没问题。

Answer 1

对于x1中的点处的y2 - y1，可以做的一件事就是线性插值：

np.interp(x1, x2, y2) - y1

Answer 2

作为对@tueda的回应。

好观点..。

>>> np.interp(x1, x2, y2)-y1
array([-0.69230769,  0.9       , -2.17777778])

似乎需要重采样来处理x1 @ 6.3中的缺失点，以保持尖峰的添加。

>>> np.interp(np.linspace(x1[0], x1[-1], 4), x1, y1)-np.interp(np.linspace(x1[0],x1[-1], 4), x2, y2)
array([ 0.69230769, -0.09090909, -8.62105263,  2.17777778])

对我来说足够接近作为解决方案。谢谢你@tueda。