Повторяющиеся временные ряды положения равномерно во времени

Question

Как часто бывает в науках о Земле, у меня есть временной ряд позиций (lon, lat). Временной ряд не равномерно распределен во времени. Выборка время выглядит следующим образом:

t_diff_every_position = [3.99, 1.00, 3.00, 4.00, 3.98, 3.99, ... ] 

И я ассоциировали положение с каждым т:

lat = [77.0591, 77.0547, 77.0537, 74.6766, 74.6693, 74.6725, ... ] 
    lon = [-135.2876, -135.2825, -135.2776, -143.7432, -143.7994, 
    -143.8582, ... ] 

Я хочу вновь попробовать свои позиции, чтобы иметь набор данных равномерно распределены во времени. Поэтому я хочу, чтобы вектор времени выглядел так:

t_resampled = [4.00, 4.00, 4.00, 4.00, 4.00, 4.00, ... ] 

и иметь соответствующую позицию из интерполяции.

Позиции не следуют монотонной функции, поэтому я не могу использовать обычные функции повторной выборки и интерполяции из scipy. Positions with time

Есть ли у кого-нибудь представление о том, как это может быть достигнуто?

Answer 1

Один из подходов состоит в том, чтобы интерполировать долготы и широты отдельно. Вот пример с некоторыми имитируемыми данными.

Предположим, у нас есть 100 долгот (lon), широты (lat) и временные метки (t). Время скачками:

>>> t 
array([ 0.  , 1.09511126, 1.99576514, 2.65742629, 3.35929893, 
     4.1379694 , 5.55703942, 6.52892196, 7.64924527, 8.60496239]) 

И путь запряженной этими координатами выглядит примерно так:

Мы используем SciPy-х interp1d линейно интерполировать широты и долготы отдельно:

from scipy.interpolate import interp1d 
f_lon = interp1d(t, lon) 
f_lat = interp1d(t, lat) 

Затем мы создаем массив регулярных временных меток, [1, 2, 3, ..., 100] и перепродаем нашу широту s и долготы:

reg_t = np.arange(0, 99) 
reg_lon = f_lon(reg_t) 
reg_lat = f_lat(reg_t) 

Приведенные ниже графики показывают результат для интерполирования на очередном интервале np.arange(0, 99, 5), Это более грубый интервал, чем вам хотелось бы, так как довольно сложно понять, что на каждом участке есть две функции, если используется более тонкий интервал.