几个不同长度和尺度的时间序列的归一化

Question

假设我在 numpy 中有几个随机时间序列，例如：

my_time_series = dict()
for L in range(20,50,10):
   scaling = np.random.randint(100)
   my_time_series[L] = scaling * np.random.rand(L) + scaling * np.random.rand(L)

我想规范化它们规模和长度，以便我可以可视化它们并比较随时间的变化。为此，一种方法如下：

1. 规模中的标准化：应用Z-standarization
2. 长度标准化：将较短的时间序列拉伸（插值）到最长的时间序列的长度，使它们都具有相同的长度。

动机：我最感兴趣的是比较时间序列在其生命周期内的相对可变性（无论它们有多长）。

我如何在 numpy 中做到这一点？

Answer 1

y_normed = {k: (data-np.mean(data))/np.std(data) 
            for k, data in my_time_series.items()}

maxlength = max(my_time_series)
x_interped = {k: np.interp(np.linspace(0, 1, maxlength), 
                           np.linspace(0, 1, k), data) 
              for k, data in y_normed.items()}

[plot(data) for data in x_interped.values()]