时间序列的有效重采样

Question

我试图为重新采样时间序列数据创建一个有效的函数。

假设：两组时间序列数据具有相同的开始时间和结束时间。(我是在一个单独的步骤中这样做的。)

重采样函数(低效)

import numpy as np

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

速度测试

import timeit
def test_speed(): resample([1,2,3], [.5,1,1.5,2,2.5,3,3.5,4,4.5,5,5.5,6])
print(timeit.timeit(test_speed, number=100000))
# 1.5003695999998854 

有兴趣听取任何建议。

Answer 1

该函数在我的机器上平均每次运行时都需要41\mu s。其中约四分之三(约32\mu s)用于downsampling_indices = np.linspace(...)。为round().astype(int)添加另一个D4，为实际采样添加1\mu s，加上一些呼叫开销，您就到了。

因此，如果您需要多次使用该函数，最好是预先计算或缓存/回忆录抽样索引。如果我正确地理解了您的实现，那么下采样索引计算基本上是独立于数据的，并且只取决于两个序列的长度，所以这可能是可行的。

例如，你可以

import functools

...

@functools.lru_cache()
def compute_downsampling_indices_cached(n_samples, data_sequence_len):
    """Compute n_samples downsampling indices for data sequences of a given length"""
    return np.linspace(0, data_sequence_len-1, n_samples).round().astype(int)

然后再做

def resample_cache(n_samples, data_sequence):
    downsampling_indices = compute_downsampling_indices_cached(n_samples, len(data_sequence))
    return [data_sequence[ind] for ind in downsampling_indices]

请注意，我将desired_time_sequence替换为n_samples，然后必须将其设置为len(desired_time_sequence)，因为您并不关心desired_time_sequence中的实际值。

还可以从NumPy索引中获益，并将return np.array(data_sequence)[downsampling_indices]用于更大的输入。你得亲自检查一下。

在我的机器上，resample_cache(...)采用了1.7\mu s，它的速度大约提高了20倍。