基于非均匀时间戳温度数据生成5分钟间隔均匀序列的实现

一、生成5分钟间隔的温度序列 #

方法1：使用Pandas（简洁高效） #

Pandas对时间序列处理天生友好，步骤如下：

1. 将原始元组列表转换为DataFrame，设置时间戳为索引
2. 按5分钟频率重采样，用线性插值填充缺失值（也可选择最近邻、二次插值等方式）

代码示例：

import pandas as pd
import datetime

# 原始数据示例
raw_data = [
    (datetime.datetime(2022, 11, 30, 8, 25, 10, 261853), 19.82),
    (datetime.datetime(2022, 11, 30, 8, 27, 22, 479093), 20.01),
    (datetime.datetime(2022, 11, 30, 8, 27, 36, 984757), 19.96),
    (datetime.datetime(2022, 11, 30, 8, 36, 46, 651432), 21.25),
    (datetime.datetime(2022, 11, 30, 8, 41, 27, 230438), 21.42),
    (datetime.datetime(2022, 11, 30, 11, 57, 4, 689363), 17.8)
]

# 转换为DataFrame并设置时间索引
df = pd.DataFrame(raw_data, columns=['timestamp', 'temperature'])
df.set_index('timestamp', inplace=True)

# 5分钟重采样+线性插值
resampled_df = df.resample('5T').interpolate(method='linear')

# 转换为目标元组列表
result = list(zip(resampled_df.index.to_pydatetime(), resampled_df['temperature'].tolist()))

方法2：使用NumPy（轻量适配受限硬件） #

如果硬件资源紧张，用NumPy手动处理更轻量化：

1. 将时间戳转换为Unix时间戳数值（单位秒）
2. 生成目标5分钟间隔的时间戳序列
3. 用线性插值计算对应温度值

代码示例：

import numpy as np
import datetime

raw_data = [
    (datetime.datetime(2022, 11, 30, 8, 25, 10, 261853), 19.82),
    (datetime.datetime(2022, 11, 30, 8, 27, 22, 479093), 20.01),
    (datetime.datetime(2022, 11, 30, 8, 27, 36, 984757), 19.96),
    (datetime.datetime(2022, 11, 30, 8, 36, 46, 651432), 21.25),
    (datetime.datetime(2022, 11, 30, 8, 41, 27, 230438), 21.42),
    (datetime.datetime(2022, 11, 30, 11, 57, 4, 689363), 17.8)
]

# 拆分数据并转换为Unix时间戳
timestamps = np.array([dt.timestamp() for dt, temp in raw_data])
temperatures = np.array([temp for dt, temp in raw_data])

# 确定目标时间范围的首尾5分钟整点
start_dt = raw_data[0][0].replace(minute=(raw_data[0][0].minute // 5)*5, second=0, microsecond=0)
end_dt = raw_data[-1][0].replace(minute=(raw_data[-1][0].minute // 5)*5, second=0, microsecond=0)

# 生成5分钟间隔的时间戳序列（单位秒）
target_timestamps = np.arange(start_dt.timestamp(), end_dt.timestamp() + 300, 300)

# 线性插值计算温度
interpolated_temps = np.interp(target_timestamps, timestamps, temperatures)

# 转换回datetime元组列表
result = [
    (datetime.datetime.fromtimestamp(ts), temp)
    for ts, temp in zip(target_timestamps, interpolated_temps)
]

二、用PIL绘制平滑温度曲线 #

受限硬件上，通过插值生成更多中间点实现平滑曲线，简单易实现且效果稳定：

代码示例： #

from PIL import Image, ImageDraw
import numpy as np

# 假设已得到重采样后的result列表
resampled_data = result

# 画布参数
width = 800
height = 400
padding = 50

# 提取时间和温度数据
times = [dt for dt, temp in resampled_data]
temps = [temp for dt, temp in resampled_data]

# 计算坐标映射范围
min_temp = min(temps)
max_temp = max(temps)
temp_range = max_temp - min_temp if max_temp != min_temp else 1

# 时间转x轴坐标（首尾对齐画布边缘）
x_start = padding
x_end = width - padding
x_step = (x_end - x_start) / (len(times) - 1) if len(times) > 1 else 0

# 温度转y轴坐标（温度越高y值越小，适配PIL左上角原点）
y_start = height - padding
y_end = padding

# 生成基础坐标点
base_points = []
for i in range(len(times)):
    x = x_start + i * x_step
    y = y_start - ((temps[i] - min_temp) / temp_range) * (y_start - y_end)
    base_points.append((x, y))

# 生成平滑插值点（每两个基础点间插10个中间点）
smooth_points = []
for i in range(len(base_points)-1):
    x1, y1 = base_points[i]
    x2, y2 = base_points[i+1]
    for t in np.linspace(0, 1, 10):
        x = x1 + t*(x2 - x1)
        y = y1 + t*(y2 - y1)
        smooth_points.append((int(round(x)), int(round(y))))
smooth_points.append((int(round(base_points[-1][0])), int(round(base_points[-1][1]))))

# 创建画布并绘制
img = Image.new('RGB', (width, height), color='white')
draw = ImageDraw.Draw(img)

# 绘制平滑曲线
draw.line(smooth_points, fill='blue', width=2)

# 可选：绘制坐标轴
draw.line([(padding, padding), (padding, height-padding)], fill='black', width=1)
draw.line([(padding, height-padding), (width-padding, height-padding)], fill='black', width=1)

# 保存或显示
img.save('temperature_curve.png')

硬件适配优化： #

• 减少插值点数量（比如每间隔插5个点）
• 降低画布分辨率（如600x300）
• 仅使用线性插值，避免复杂计算

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