协调具有不同数据采集频率的通道

Question

我的数据框有 8 列，用于 4 个不同的数据，记录为深度的函数。然而，每个通道都有不同的采集频率。我想使用共同的深度间隔来协调所有这 4 个数据。

使用 Scipy 进行插值看起来很复杂，所以有没有更简单的方法，例如，将第一个 深度 (

'depth1'

) 应用于所有其他数据？

这是一个数据样本：

df=pd.read_csv(file,sep='\t')
df
depth1  data1   depth2  data2   depth3  data3   depth4  data4
0   910.0   32.820  910 48.2    910.05  450.57  912.961414  -294.045478
1   910.1   33.610  911 48.2    910.20  1.14    922.966707  -447.780089
2   910.2   33.900  912 48.2    910.35  1.14    932.972000  -396.001844
3   910.3   34.190  913 48.4    910.50  1.43    942.976616  -391.830800
4   910.4   34.430  914 48.7    910.65  1.32    952.980427  -438.514022
5   910.5   34.670  915 48.9    910.80  1.54    962.984317  -679.421100
6   910.6   35.015  916 48.8    910.95  16.08   972.988514  -660.389044
7   910.7   35.360  917 49.0    911.10  8.16    982.993188  -671.841567
8   910.8   35.450  918 49.5    911.25  7.67    992.998200  -712.625933
9   910.9   35.540  919 49.4    911.40  8.86    1003.004001 -884.093533
10  911.0   35.825  920 49.5    911.55  8.70    1013.009802 -1124.780022
11  911.1   36.110  921 49.6    911.70  7.93    1023.015603 -1454.342144

Answer 1

选择的方法将仍然是重新索引 - 实际上是插值，并且它并不那么复杂。您不需要使用 Scipy 来实现此目的（您暂时发布的代码），因为 Pandas 已经具有一些内置功能。这里是通道 ("depth2", "data2") 在轴

"depth1"

上重新索引的示例：

制作新索引

Idx1 = pd.Index(df.set_index('depth1').index) # new index for data2
Idx2 = pd.Index(df.set_index('depth2').index) # original data2 index

# Merge indexes depth1 and depth2
NewIdx = pd.Index(Idx2.union(Idx1), 
                  name = 'depth')

输出：

Index([910.0, 910.1, 910.2, 910.3, 910.4, 910.5, 910.6, 910.7, 910.8, 910.9,
       911.0, 911.1, 912.0, 913.0, 914.0, 915.0, 916.0, 917.0, 918.0, 919.0,
       920.0, 921.0],
      dtype='float64', name='depth')

操作重建索引

df2 = df[['depth2', 'data2']].set_index('depth2'    # the subset of df to be reindexed,
                     ).reindex(NewIdx               # reindexed, as a new dataframe
                     ).interpolate(method='linear') # gaps filled by interpolation 

最后仅选择插值数据

df2.loc[Idx1]

这将绘制结果：

# Plot original and interpolated data separately:
_=plt.plot(df2.reindex(Idx2).index, 
           df2.reindex(Idx2).values,'+')
_=plt.plot(df2.reindex(Idx1).index, 
           df2.reindex(Idx1).values,'x')
_=plt.xlim(909.9, 912.1)
_=plt.xlabel('depth')
_=plt.ylabel('data')
plt.legend(['original data2','interpolated along depth1'])