ArrayResample

ArrayResample[array,{n1,n2,…}]

对 array 重新抽样以得到维数 {n1,n2,…}.

ArrayResample[array,dspec]

根据维数指定 dspec 对 array 重新抽样.

ArrayResample[array,dspec,scheme]

指定重新抽样的 scheme，基于点或箱.

ArrayResample[array,dspec,scheme,{{xmin,xmax},…}]

仅对指定子范围 {{xmin,xmax},…} 中的数据进行重新抽样.

更多信息和选项

  • ArrayResample 可用在基于众多插值和逼近模型的数据数组的重新抽样.
  • ArrayResample 适用于任何深度的数据数组.
  • 维数指定 dspec 可以采用下列形式：
  • nn 个样本
    Scaled[s]通过系数 s 重新调整采样分辨率
    All保留维数
    Automatic保留维数比
    {dspec1,…,dspeck}对至多第 维重新抽样
  • 对于多维数组，符号 n 被视为等价于 {n,Automatic,…}，且 {n} 等价于 {n,All,…}.
  • 维数为 的数组的维数比被视为 .
  • scheme 决定样本位置和重新抽样的位置，并可以采用下列形式：
  • "Point"点抽样（默认）
    "Bin"箱抽样
    {"Bin",alignment}具有指定 alignment 的箱抽样
  • 对于长度为 n 的输入数据，"Point" 重新抽样方式假定数据范围是从 1 到 n，而 "Bin" 方式假定数据范围是从 0 到 n，并带有对齐方式，表示样本在各箱内的位置.
  • 箱对齐 alignment 可以是 Left、Center、Right 或位于 (Left) 和 1 (Right) 之间的任意数值.
  • 数据范围可用 DataRange 选项修改.
  • 默认情况下，数据在整个数据域重新抽样，对于 "Point" 方案，范围从1到 ，对于 "Bin" 方案，范围从0到 . 使用 DataRange 选项修改数据域的坐标.
  • 通过相对于 DataRange 指定的子范围 {{xmin,xmax},…}，仅对给定区间内的数据值进行重新抽样. »
  • 可以给出下列选项：
  • Antialiasing False在缩减像素采样时使用抗锯齿
    DataRange Automatic输入数据的范围
    Padding "Fixed"填充方法
    Resampling Automatic重新抽样方法
  • 如要了解 Padding 的可能设置，请参见 ArrayPad 的参考页面.

范例

打开所有单元关闭所有单元

基本范例  (2)

数组的子抽样：

数组的下抽样：

调整数据的二维数组的大小：

范围  (8)

基本用法  (4)

精确计算：

保持输入的精度：

调整符号式数组的大小：

对输入信号的一个子域进行重采样：

输出维数  (1)

当大小指定为标量时，输出维数被选定，使得维数比保持不变：

抽样方式  (3)

默认使用 "Point" 抽样方式：

使用 "Bin" 方式，默认时采用中心对齐：

指定箱的对齐方式：

生成 "Point" 重新抽样，其中输入分辨率放大三倍：

计算抽样位置：

选项  (5)

Antialiasing  (1)

在缩小像素采样时，默认不使用抗锯齿的：

使用抗锯齿时，所有在新样本中间的样本都会被取平均值：

DataRange  (1)

DataRange 指定重新抽样的域. 子域规范是相对于此域进行定义的：

对全部数据进行重新抽样：

使用默认的 DataRange->{1,n}，对前半部分数据进行重新抽样，其中 n 是 data 的长度：

使用数据范围 {0,1}，对前半部分数据进行重新抽样：

Padding  (2)

默认填充值是 "Fixed"：

指定不同的填充：

默认情况下，对所有维度使用相同的填充：

不同维度使用不同填充：

Resampling  (1)

默认使用 "Linear" 重新抽样：

使用不同的重新抽样方式：

如果抽样位置在样本的中间，"Nearest" 重新抽样对样本取平均：

对于半整数采样位置，使用 "NearestLeft" 或 "NearestRight" 作为向左或向右的偏差：

应用  (1)

减小数据集的大小，以实现较快的可视化：

属性和关系  (2)

比较几个不同内核的数组重新抽样：

Downsample 可用于整数因子的下抽样：

可能存在的问题  (1)

对于整数数据，执行精确计算：

对整数数据应用 N，从而使计算加快：

Wolfram Research (2014)，ArrayResample，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ArrayResample.html （更新于 2016 年）.

文本

Wolfram Research (2014)，ArrayResample，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ArrayResample.html （更新于 2016 年）.

CMS

Wolfram 语言. 2014. "ArrayResample." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/ArrayResample.html.

APA

Wolfram 语言. (2014). ArrayResample. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ArrayResample.html 年

BibTeX

@misc{reference.wolfram_2024_arrayresample, author="Wolfram Research", title="{ArrayResample}", year="2016", howpublished="\url{https://reference.wolfram.com/language/ref/ArrayResample.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_arrayresample, organization={Wolfram Research}, title={ArrayResample}, year={2016}, url={https://reference.wolfram.com/language/ref/ArrayResample.html}, note=[Accessed: 22-November-2024 ]}