及时均匀地对位置时间序列进行重新采样

正如地球科学中经常发生的那样，我有一系列位置（经度，纬度）。时间序列的时间间隔不均匀。时间采样如下：

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

我将位置与每个 t 相关联：

   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, ... ]

我想对位置重新采样以使数据集在时间上均匀分布。所以我希望时间向量看起来像：

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

并通过插值获得相关位置。

这些位置不遵循单调函数，因此我无法使用 scipy 中常见的重新采样和插值函数。位置与时间 https://i.stack.imgur.com/zLxTQ.png

有谁知道如何实现这一目标？

一种方法是分别对经度和纬度进行插值。这是一个带有一些模拟数据的示例。

假设我们有 100 个经度 (lon), 纬度 (lat）和时间戳（t）。时间不规律：

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

这些坐标绘制的路径看起来像：

我们使用scipy的interp1d分别线性插值纬度和经度：

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

然后我们创建一个规则时间戳数组，[1, 2, 3, ..., 100]，并重新采样我们的纬度和经度：

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

下图显示了按规则间隔插值的结果np.arange(0, 99, 5)。这是一个比您想要的更粗的间隔，因为如果使用更精细的间隔，则很难看出每个图中实际上有两个函数。