如何对带标签的ECG信号重采样且不破坏标签列？

需求说明 #

现有一份ECG信号表格，包含以下列：

• seconds：时间戳（当前步长0.004秒，对应250Hz采样率）
• amplitude：ECG信号幅度值
• label_encoding：机器学习多分类标签（取值为24、1、27）
• bound_or_peak：绘图区域标识（3位二进制，最高位表示分段起始、中位表示峰值、最低位表示分段结束）

需要将数据重采样至0.002秒步长（500Hz采样率），要求对amplitude进行线性插值，同时保证label_encoding和bound_or_peak的分段标识信息不被破坏。

原始数据生成代码 #

%load_ext google.colab.data_table
import numpy as np
import pandas as pd

# 将NumPy矩阵转换为带列标签的DataFrame
matrix_data = signal.signal_arr

# 定义各列数据类型
dtype_dict = {'seconds': float, 'amplitude': float, 'label_encoding': int, 'bound_or_peak': int}

# 转换为DataFrame并指定类型
df = pd.DataFrame(matrix_data, columns=dtype_dict.keys()).astype(dtype_dict)

# 显示前250行数据
df[:250]

部分数据示例 #

解决方案 #

核心思路 #

基于时间索引执行重采样：对连续变化的amplitude采用线性插值保证信号连续性；对分段标签类列（label_encoding、bound_or_peak）采用向前填充（ffill），确保新插入的采样点继承所在分段的标签，完整保留原有分段信息。

完整实现代码 #

import pandas as pd
import numpy as np

# 1. 读取数据（替换为你的本地数据路径）
df = pd.read_csv("question.csv")

# 2. 将时间列设置为索引并转换为datetime格式（满足Pandas重采样要求）
df = df.set_index('seconds')
df.index = pd.to_datetime(df.index, unit='s')

# 3. 定义重采样规则：2毫秒步长（对应500Hz采样率）
resample_rule = '2ms'

# 4. 执行重采样，指定各列处理逻辑
resampled_df = df.resample(resample_rule).agg({
    'amplitude': 'interpolate',  # 幅度列线性插值
    'label_encoding': 'ffill',   # 标签列向前填充
    'bound_or_peak': 'ffill'     # 区域标识列向前填充
})

# 5. 恢复数值型时间戳列
resampled_df['seconds'] = resampled_df.index.astype(np.float64) / 1e9

# 6. 重置索引并修正标签列数据类型
resampled_df = resampled_df.reset_index(drop=True)
resampled_df['label_encoding'] = resampled_df['label_encoding'].astype(int)
resampled_df['bound_or_peak'] = resampled_df['bound_or_peak'].astype(int)

# 验证重采样结果
print(resampled_df.head(10))

关键细节说明 #

• 时间索引转换：Pandas的resample方法仅支持datetime类型索引，因此先将数值型时间戳转为datetime，重采样后再转换回数值格式。
• 向前填充逻辑：标签类列的取值是分段式的，新插入的采样点会继承前一个有效标签值，直到遇到下一个标签分界点，完全保留原有分段的边界信息。
• 线性插值：ECG信号属于连续变化的生理信号，线性插值能最大程度保留信号的原始特征，避免过度失真。

内容的提问来源于stack exchange，提问作者Muhammad Ikhwan Perwira