不同采样率传感器数据集的同图绘制及峰值对齐需求

核心步骤拆解 #

1. 数据预处理

• 分别读取两组传感器数据，提取时间戳和对应数值字段
• 补全缺失数据（比如用线性插值），确保每组数据的时间序列连续

2. 定位特征峰值

• 用峰值检测工具（比如Python的scipy.signal.find_peaks）找出两组数据中的标志性峰值（比如最大峰值、重复出现的特征峰值）
• 记录每个峰值对应的时间戳和数值，优先选最清晰、无干扰的峰值作为对齐锚点

3. 时间轴对齐与重采样

• 选取一对匹配的峰值，计算两组数据的时间差：Δt = 组A峰值时间 - 组B峰值时间
• 将其中一组的所有时间戳调整Δt，让两个峰值的时间戳重合
• 把对齐后的两组数据重采样到同一采样率（建议取两组中更高的采样率，用线性插值补充缺失值）

4. 同图绘制对比

• 用绘图库（比如matplotlib）将两组数据绘制在同一坐标系，标注对齐后的峰值点，方便直观对比

代码示例（Python） #

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

# 读取两组数据（替换为你的本地文件路径）
df1 = pd.read_csv("sensor_data1.csv")
df2 = pd.read_csv("sensor_data2.csv")

# 预处理：补全缺失值
df1['value'] = df1['value'].interpolate()
df2['value'] = df2['value'].interpolate()

# 检测峰值（取数值前10%的峰值作为特征锚点）
peaks1, _ = find_peaks(df1['value'], height=np.percentile(df1['value'], 90))
peaks2, _ = find_peaks(df2['value'], height=np.percentile(df2['value'], 90))

# 选取第一个最大峰值做对齐锚点
peak1_time = df1.iloc[peaks1[0]]['timestamp']
peak2_time = df2.iloc[peaks2[0]]['timestamp']
time_offset = peak1_time - peak2_time

# 对齐时间轴
df2['aligned_timestamp'] = df2['timestamp'] + time_offset

# 重采样到同一频率（以10ms为间隔，可根据实际调整）
resampled_df1 = df1.set_index('timestamp').resample('10ms').mean().interpolate()
resampled_df2 = df2.set_index('aligned_timestamp').resample('10ms').mean().interpolate()

# 绘图展示
plt.figure(figsize=(12,6))
plt.plot(resampled_df1.index, resampled_df1['value'], label='传感器A', alpha=0.7)
plt.plot(resampled_df2.index, resampled_df2['value'], label='传感器B', alpha=0.7)
# 标注对齐后的峰值点
plt.scatter(peak1_time, df1.iloc[peaks1[0]]['value'], color='red', s=100, zorder=5)
plt.scatter(peak1_time, df2.iloc[peaks2[0]]['value'], color='blue', s=100, zorder=5)
plt.legend()
plt.xlabel('时间')
plt.ylabel('传感器数值')
plt.title('对齐峰值后的传感器数据对比')
plt.show()

注意事项 #

• 如果数据存在多个特征峰值，可以选取多对锚点做分段对齐，提升整体对齐精度
• 重采样时尽量避免过度平滑，防止丢失原始数据的细节特征
• 若峰值检测存在干扰，可先对数据做低通滤波处理，再进行峰值定位

内容的提问来源于stack exchange，提问作者thaneshwari