Sensor Data采样频率不匹配场景下电压上采样插值需求咨询

你提到的pandas resample方法是针对DatetimeIndex、TimedeltaIndex这类时间索引设计的，主要用于处理常规的时间频率转换（比如周转日、小时转分钟），你当前使用的是数值型的时间戳，不需要转换为时间格式，用重索引+插值的方案更简单高效，以下是两种可直接运行的实现方式：

方法1：Pandas实现（符合你要的pandas操作习惯） #

import pandas as pd
import numpy as np

# 原始电压数据
volt_time = np.array([0.07, 0.14, 0.21, 0.28, 0.35, 0.42, 0.49, 0.56, 0.63, 0.7, 0.77, 0.84])
volt_value = np.linspace(2.2, 5.5, 12)

# 目标16个时间点（和压力传感器对齐的序列）
target_time = np.array([0.05, 0.1, 0.15, 0.2, 0.25, 0.3, 0.35, 0.4, 0.45, 0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8])

# 构造索引为时间的电压序列
volt_series = pd.Series(volt_value, index=volt_time)

# 重索引扩展到目标时间点后做插值，线性插值是传感器数据最常用的插值方式
upsampled_volt = volt_series.reindex(volt_series.index.union(target_time))\
                            .interpolate(method='linear')\
                            .reindex(target_time)

print(upsampled_volt)

如果需要更换插值方式，直接修改interpolate的method参数即可，可选参数包括quadratic（二次插值）、spline（样条插值）等。

方法2：Scipy轻量插值实现（不需要依赖pandas索引操作） #

如果不需要用到pandas的其他数据处理能力，直接用scipy的一维插值工具更简洁：

from scipy.interpolate import interp1d
import numpy as np

# 原始数据和目标时间点定义和上面一致
volt_time = np.array([0.07, 0.14, 0.21, 0.28, 0.35, 0.42, 0.49, 0.56, 0.63, 0.7, 0.77, 0.84])
volt_value = np.linspace(2.2, 5.5, 12)
target_time = np.array([0.05, 0.1, 0.15, 0.2, 0.25, 0.3, 0.35, 0.4, 0.45, 0.5, 0.55, 0.6, 0.65, 0.7, 0.75, 0.8])

# 生成插值函数，fill_value参数用于处理边界点超出原始时间范围的外插需求
f = interp1d(volt_time, volt_value, kind='linear', fill_value="extrapolate")
upsampled_volt = f(target_time)

print(upsampled_volt)

注意事项 #

• 你提供的目标时间第一个点0.05早于电压数据最早时间0.07，需要做边界外插，如果不需要外插可以把目标时间范围限制在原始电压的时间范围内，或者自定义边界填充值
• 普通传感器场景下线性插值的精度已经足够，对平滑度要求高的场景可以选择更高阶的插值方法

内容的提问来源于stack exchange，提问作者Buty