如何下采样周期时间序列并保留模式以实现周期性行为特征分析？

一、合成数据生成 #

我正在研究下采样后时间序列数据的特征分析，参考资料后生成了粒度为5分钟的周期合成数据（每小时12条记录，全天共288条），支持PWM信号、正三角脉冲、矩形正脉冲、冲激等模式。生成PWM调制正弦信号的代码如下：

import numpy as np
import pandas as pd
import scipy.signal as signal
import matplotlib.pyplot as plt

# Generate periodic data : PWM Modulated Sinusoidal Signal
# Set the duty cycle percentage for PWM
percent = 40.0
# Set the time period for one cycle of the PWM signal
TimePeriod = 6.0
# Set the desired number of samples
desired_samples = 278
# Calculate the time step (dt) to achieve the desired number of samples
# 30 is the original number of cycles in the provided code
dt = TimePeriod / (desired_samples / 30)
# Calculate the number of cycles needed to achieve the desired number of samples
Cycles = int(desired_samples * dt / TimePeriod) + 1
# Create a time array
t = np.arange(0, Cycles * TimePeriod, dt)
# Generate a PWM signal
pwm = (t % TimePeriod) < (TimePeriod * percent / 100)
# Create a sinusoidal signal
x = np.linspace(-10, 10, len(pwm))
y_pwm = np.sin(x)
# Zero out the sinusoidal signal where PWM is zero
y_pwm[pwm == 0] = 0

# Convert data to a Pandas DataFrame
data = {'datetime': t_num, "PWM":y_pwm}
df = pd.DataFrame(data)
df.shape #(288, 2)

二、下采样处理流程 #

得到含datetime时间戳和PWM信号的单变量序列后，先通过pd.to_timedelta和pd.to_datetime格式化时间列，再用两种方法将5分钟粒度下采样为1小时粒度（采用mean()聚合）：

方法1：使用resample() #

resampled_df = (df.set_index('datetime')          # 将时间列设为索引
                  .resample('1H')                 # 按1小时粒度重采样
                  .mean()                         # 均值聚合
                  .interpolate()                  # 填充缺失值（可选）
                )
resampled_df.shape                                # (24, 1)

方法2：使用groupby+pd.Grouper #

resampled_df2 = (df.set_index('datetime')                   # 将时间列设为索引
                  .groupby([pd.Grouper(freq='1H')])         # 按1小时分组
                  .mean()                                   # 均值聚合
                 )

resampled_df2.shape                                         # (24, 1)

处理后已通过绘图对比原始数据与下采样数据。

三、核心需求与疑问 #

目标是检测时间序列的周期性/循环行为以开展特征分析，但因数据量要求必须下采样，且不同分辨率可能存在近周期性模式。现寻求下采样+周期性/近周期性检测的最佳实践，同时有以下限制：

• 不希望使用.iloc按位置选取数据的方法
• 已知下采样会丢失信息
• 对FFT/DFT是否适用于该场景存疑

最佳实践建议 #

1. 先检测原始数据周期，再针对性下采样

下采样的核心风险是破坏原始周期特征，建议先在原始5分钟粒度数据上完成周期性检测，再根据结果选择下采样策略：

• FFT/DFT完全适用：对周期性、近周期性信号的频率提取效果稳定。可通过scipy.fft.fft计算频谱，找到峰值对应的频率（周期=1/频率）。注意先通过scipy.signal.detrend去除信号趋势，避免直流分量干扰。
• 自相关函数(ACF)：计算序列自相关系数，峰值对应的滞后步长即为周期。用pd.plotting.autocorrelation_plot快速可视化，statsmodels.tsa.stattools.acf计算具体数值。

得到原始周期后，选择下采样频率时需确保下采样间隔是原始周期的整数约数/倍数，减少信息丢失。比如原始周期为6小时，下采样为1小时或2小时粒度，能更好保留周期特征。

2. 下采样时选择适配信号类型的聚合方式

不要局限于mean()，根据信号特性调整：

• 脉冲类信号（矩形脉冲、冲激）：用max()或sum()保留脉冲强度，mean()会稀释脉冲特征
• 连续周期信号（PWM、三角波）：mean()或median()均可，若信号有明显峰值，可同时保留mean()和max()作为特征

3. 多分辨率周期检测

若不同分辨率存在不同近周期模式，采用多尺度分析：

• 小波变换（如pywt库）：能在不同时间尺度上检测周期，同时保留时间局部性，适合近周期性信号
• 对不同下采样粒度（如1小时、2小时、6小时）分别做周期检测，对比结果提取多尺度周期特征

4. 替代按位置采样的方案

完全基于时间索引操作，避免.iloc：

• 沿用你已使用的resample()或groupby+pd.Grouper，二者均基于时间逻辑采样，而非位置
• 若需自定义采样窗口，可使用pd.Grouper的offset参数调整窗口起始时间，或用rolling()结合时间窗口做滑动聚合

内容的提问来源于stack exchange，提问作者Mario