Python：将带时间戳的值字典转换为带时间戳的列表以进行信号处理

Question

我在字典中有以毫秒为单位的时间戳（随机递增）的温度数据，如下所示：

{0: 30, 5: 20, 10: 50, 15: 30, 20: 50}

其中0,5,10.... (dict.keys()) 以毫秒为单位表示时间，30,20,50... (dict.values()) 以摄氏度为单位表示温度值，通常约为 1-2 秒的数据（1k-10k 个样本）。

我想将此 dict 转换（上采样）为一个列表，以便我可以对其应用卷积，得到所需的输出：

list=[(combo of 2 closest points weighted by 1-distance to point) for x in range(min_time,max_time,specified_interval)]

每个点都是(value_on_left*(distance_between_left_and_right_values-distance_to_point_from_left) + value_on_right*(distance_between_left_and_right_values-distance_to_point_from_right))/distance_between_left_and_right_values

例如，在这种情况下，间隔为 2 毫秒：list=[30, 26, 22, 26, 38, 50, 42, 34, 34, 42, 50]

这些值并不总是间隔 5 毫秒，它们是随机出现的（这就是为什么它们首先采用 dict 格式）

我如何做到这一点/如何有效地做到这一点？

Answer 1

这样就可以了：

数据

interval = 2 # set interval
df = pd.DataFrame.from_dict({0: 30, 5: 20, 10: 50, 15: 30, 20: 50}, orient='index').reset_index()
df.columns = ['ms', 'temp']
df.index = df['ms']

i_df = pd.DataFrame(range(df['ms'].max())[::interval], columns = ['interval']) # create interval dataframe

i_df['time_left'] = i_df['interval'].map(lambda x: df[df['ms'] <= x]['ms'].max())
i_df['time_right'] = i_df['interval'].map(lambda x: df[df['ms'] > x]['ms'].min())
i_df['value_left'] = i_df['time_left'].map(lambda x: df.loc[x, 'temp'])i_df['value_right'] = i_df['time_right'].map(lambda x: df.loc[x, 'temp'])

print(i_df.to_string())

   interval  time_left  time_right  value_left  value_right
0         0          0           5          30           20
1         2          0           5          30           20
2         4          0           5          30           20
3         6          5          10          20           50
4         8          5          10          20           50
5        10         10          15          50           30
6        12         10          15          50           30
7        14         10          15          50           30
8        16         15          20          30           50
9        18         15          20          30           50

解决方案

i_df['signal_score'] = ((i_df['value_left']*((i_df['time_right'] - i_df['time_left'])-(i_df['time_right'] - i_df['interval'])) 
                               + i_df['value_right']*((i_df['time_right'] - i_df['time_left'])-(i_df['interval'] - i_df['time_left'])))
                                /((i_df['time_right'] - i_df['time_left'])))

输出

print(i_df.to_string())

   interval  time_left  time_right  value_left  value_right  signal_score
0         0          0           5          30           20          20.0
1         2          0           5          30           20          24.0
2         4          0           5          30           20          28.0
3         6          5          10          20           50          44.0
4         8          5          10          20           50          32.0
5        10         10          15          50           30          30.0
6        12         10          15          50           30          38.0
7        14         10          15          50           30          46.0
8        16         15          20          30           50          46.0
9        18         15          20          30           50          38.0

Answer 2

与上面的答案相同，但不会创建 4 个额外的变量。这在内存方面更有效。希望这会有所帮助！

数据

interval = 2 # set interval
df = pd.DataFrame.from_dict({0: 30, 5: 20, 10: 50, 15: 30, 20: 50}, orient='index').reset_index()
df.columns = ['ms', 'temp']
df.index = df['ms']

i_df = pd.DataFrame(range(df['ms'].max())[::interval], columns = ['interval']) # create interval dataframe

print(i_df.head().to_string())

   interval
0         0
1         2
2         4
3         6
4         8

解决方案

def getSignalScore(interval, df):
    time_left = df[df['ms'] <= interval]['ms'].max()
    time_right = df[df['ms'] > interval]['ms'].min()
    value_left = df.loc[time_left, 'temp']
    value_right = df.loc[time_right, 'temp']
    signal_score = ((value_left*((time_right - time_left)-(time_right - interval)) 
                               + value_right*((time_right - time_left)-(interval - time_left)))
                                /((time_right - time_left)))
    return signal_score


i_df['signal_score'] = i_df['interval'].map(lambda x: getSignalScore(x, df))

输出

print(i_df.to_string())

   interval  signal_score
0         0          20.0
1         2          24.0
2         4          28.0
3         6          44.0
4         8          32.0
5        10          30.0
6        12          38.0
7        14          46.0
8        16          46.0
9        18          38.0

Answer 3

线性插值是一个很好的解决方案。 [https://docs.scipy.org/doc/scipy/reference/tutorial/interpolate.html][1]