Код: Выделить всё
import pandas as pd
s_resample_test = pd.Series([0, 1, 2, 1, 0, -1, -2, -1], index=pd.date_range("2025-01-01 00:30:00", periods=8, freq="1h"))
< /code>
Таким образом, значение 0 в 00:30:00 представляет среднее значение для интервала 00:00:00 до 01:00:00 и т. Д. < /p>
< P> Я хочу поднять эту последовательность в более высоком временном разрешении таким образом, чтобы среднее среднее значение поднятых значений равно соответствующему значению из исходного временного ряда.
Например , когда выбирая вышеупомянутые временные ряды, я хочу, чтобы среднее среднее значение поднятых значений в интервале с 00:00:00 до 01:00:00-0, значения в интервале с 01:00:00 до 02:00:00 до среднего до 1 и т. Д. к? Я бы подумал о разделении их между интервалами и наполовину взвешиванием их в среднем, но для простоты давайте просто скажем, что интервалы наполовину открываются: [00:00:00, 01:00:00) и т. Д.
Если я, например, на выборку в ежеквартальное разрешение, используя: < /p>
s_resample_test.resample("15min").interpolate(method="polynomial", order=2)
< /code>
или: < /p>
s_resample_test.resample("15min").interpolate(method="linear")
< /code>
Результат обычно не подчиняется этому среднему свойству. Также не является повторной дискретизации на основе Фурье с использованием scipy.signal.resample Алгоритм для той интерполяции, которую я ищу? И есть ли это реализация в Python? Кроме того, давайте на данный момент не обязательно беспокоиться о краевых эффектах.
Подробнее здесь: https://stackoverflow.com/questions/793 ... ion-method
