重新采样一个 numpy 数组

Posted 2023-03-12

【中文标题】重新采样一个 numpy 数组

【英文标题】：Resample a numpy array

【发布时间】：2015-05-19 01:34:35

【问题描述】：

像

这样的数组很容易重新采样

 a = numpy.array([1,2,3,4,5,6,7,8,9,10])

带有一个整数重采样因子。例如，因子为 2：

b = a[::2]    # [1 3 5 7 9]

但是对于非整数重采样因子，它并不那么容易工作：

c = a[::1.5]    # [1 2 3 4 5 6 7 8 9 10]  => not what is needed...

应该是（使用线性插值）：

[1 2.5 4 5.5 7 8.5 10]

或（通过取数组中最近的邻居）

[1 3 4 6 7 9 10]

如何使用非整数重采样因子对 numpy 数组进行重采样？

应用示例：音频信号重采样/重调

【问题讨论】：

期望的行为是什么？数组中的线性插值还是最近邻？

@wflynny 两者都可以工作......如果最近的邻居，可能甚至没有必要在内存中复制数组，只是数组的新“视图”可能是可能的，对吧？ （最后我可能会使用线性插值以获得更好的质量）

可能必须使用 scipy.interpolate.interp1d 或 scipy 中的其他插值例程之一

“重采样”是描述::2 索引方式的一种不同寻常的方式。 numpy 数组（和 Python 列表）主要不被视为样本（尽管它们的值可能代表其他东西的样本）。

@hpaulj 我使用了重采样这个词，因为我使用 numpy 数组来存储 .WAV 文件中包含的音频数据。对这个数组执行此操作在音频中称为“重采样”/或“重调”，这取决于我们如何使用它。

【参考方案1】：

NumPy 有 numpy.interp 进行线性插值：

In [1]: numpy.interp(np.arange(0, len(a), 1.5), np.arange(0, len(a)), a)
Out[1]: array([  1. ,   2.5,   4. ,   5.5,   7. ,   8.5,  10. ])

SciPy 有 scipy.interpolate.interp1d 可以进行线性和最近插值（尽管哪个点最近可能不明显）：

In [2]: from scipy.interpolate import interp1d
In [3]: xp = np.arange(0, len(a), 1.5)
In [4]: lin = interp1d(np.arange(len(a)), a)

In [5]: lin(xp)
Out[5]: array([  1. ,   2.5,   4. ,   5.5,   7. ,   8.5,  10. ])

In [6]: nearest = interp1d(np.arange(len(a)), a, kind='nearest')

In [7]: nearest(xp)
Out[7]: array([  1.,   2.,   4.,   5.,   7.,   8.,  10.])

【参考方案2】：

由于scipy.signal.resample可以是very slow，所以我搜索了其他适用于音频的算法。

似乎 Erik de Castro Lopo 的 SRC（又名 Secret Rabbit Code 又名 libsamplerate）是可用的最佳重采样算法之一。

是scikit的scikit.samplerate使用的，但是这个库好像安装起来比较复杂（Windows下放弃了）。

幸运的是，有一个易于使用且易于安装的 Python 包装器 libsamplerate，由 Tino Wagner 制作：https://pypi.org/project/samplerate/。使用pip install samplerate 安装。用法：

import samplerate
from scipy.io import wavfile
sr, x = wavfile.read('input.wav')  # 48 khz file
y = samplerate.resample(x, 44100 * 1.0 / 48000, 'sinc_best')  

许多重采样解决方案的有趣阅读/比较： http://signalsprocessed.blogspot.com/2016/08/audio-resampling-in-python.html

---

附录：重采样频率扫描（20hz 到 20khz）的频谱图比较：

1) 原创

2) 使用 libsamplerate / samplerate 模块重新采样

3) 使用numpy.interp（“一维线性插值”）重新采样：

【参考方案3】：

由于您提到这是来自音频 .WAV 文件的数据，您可能会查看 scipy.signal.resample。

使用傅里叶方法沿给定轴重新采样 x 到 num 样本。

重新采样的信号从与x 相同的值开始，但被采样 间距为len(x) / num * (spacing of x)。因为一个 使用傅里叶方法，假设信号是周期性的。

您的线性阵列a 不适合对此进行测试，因为它在外观上不是周期性的。但考虑sin 数据：

x=np.arange(10)
y=np.sin(x)
y1, x1 =signal.resample(y,15,x)  # 10 pts resampled at 15

比较一下

y1-np.sin(x1) # or
plot(x, y, x1, y1)

【讨论】：

工作@hpaulj 但scipy.signal.resample can be very slow!

您好，感谢您的回答和支持（不是我的问题）！。但是如果信号不是周期性的呢？那么有没有办法重新采样？我在这里问了一个相关的问题-stats.stackexchange.com/questions/398752/…

@Noprogexprncemathmtcn 如果信号不是周期性的，您可能需要使用某种插值。检查这个答案***.com/a/55747293/6327658

【参考方案4】：

如果你想要整数采样

a = numpy.array([1,2,3,4,5,6,7,8,9,10])
factor = 1.5
x = map(int,numpy.round(numpy.arange(0,len(a),factor)))
sampled = a[x]

【讨论】：

也不错！就速度而言，您认为它比其他解决方案更有效吗？

可能不会比 scipy / numpy 解决方案快。只是给你选择。

【参考方案5】：

在信号处理中，您可以将重采样视为基本上重新缩放数组并使用最接近、线性、三次等方法插入缺失值或具有非整数索引的值。

使用scipy.interpolate.interp1d，可以使用如下函数实现一维重采样

def resample(x, factor, kind='linear'):
    n = np.ceil(x.size / factor)
    f = interp1d(np.linspace(0, 1, x.size), x, kind)
    return f(np.linspace(0, 1, n))

例如：

a = np.array([1,2,3,4,5,6,7,8,9,10])
resample(a, factor=1.5, kind='linear')

产量

array([ 1. ,  2.5,  4. ,  5.5,  7. ,  8.5, 10. ])

和

a = np.array([1,2,3,4,5,6,7,8,9,10])
resample(a, factor=1.5, kind='nearest')

产量

array([ 1.,  2.,  4.,  5.,  7.,  8., 10.])