我有一个3D(时间,X,Y)numpy数组,包含6个小时的时间序列几年. (比如5).我想创建一个采样时间序列,其中包含从可用记录中随机抽取的每个日历日的1个实例(每天5种可能性),如下所示.
> Jan 01：2006
> Jan 02：2011
> Jan 03：2009
> ……
这意味着我需要从01/01/2006获取4个值,从2011年2月1日起获取4个值等.
我有一个工作版本,其工作原理如下：
>重塑输入数组以添加“年”维度(时间,年份,Y)
>创建一个365值组的随机生成的0到4之间的整数
>使用np.repeat和整数数组仅提取相关值：
例：
sampledValues = Variable[np.arange(numberOfDays * ValuesPerDays),sampledYears.repeat(ValuesPerDays),:,:]
这似乎有效,但我想知道这是否是解决我问题的最佳/最快方法？速度很重要,因为我在循环中这样做,adn将受益于测试尽可能多的情况.
我这样做了吗？
谢谢
编辑
我忘了提到我过滤了输入数据集以删除闰年的第29个feb.
基本上,该操作的目的是找到一个365天的样本,与平均值等方面的长期时间序列匹配良好.如果采样的时间序列通过我的质量测试,我想导出它并重新开始.
最佳答案
2008年是366天,所以不要重塑.
原文链接：https://www.f2er.com/python/439204.htmlimport scikits.timeseries as ts
start_date = ts.Date('H','2006-01-01 00:00')
end_date = ts.Date('H','2010-12-31 18:00')
arr3d = ... # your 3D array [time,Y]
dates = ts.date_array(start_date=start_date,end_date=end_date,freq='H')[::6]
t = ts.time_series(arr3d,dates=dates)
# just make sure arr3d.shape[0] == len(dates) !
现在,您可以使用日/月/年对象访问t数据：
t[np.logical_and(t.day == 1,t.month == 1)]
例如：
for day_of_year in xrange(1,366):
year = np.random.randint(2006,2011)
t[np.logical_and(t.day_of_year == day_of_year,t.year == year)]
# returns a [4,Y] array with data from that day
使用t的属性来使其与闰年一起工作.