对于一个时间序列数据集，取样间隔不同，如何变成等间隔的？或者有更好的数据集代替吗？

Question

现在正在做预测算法，需要找服务器的CPU使用率数据（不同时间点的CPU使用率，时间间隔相同）。现在我找到了阿里巴巴集群的公开数据集https://gitcode.net/mirrors/alibaba/clusterdata/-/blob/master/cluster-trace-v2018/trace_2018.md
但是这个数据集的取样间隔不同，数据格式如下图所示

由于时间预测算法需要用时间间隔相等的数据，怎么把这种数据处理成等间隔的？或者有没有其他的数据集可以替代呢？

Answer 1

序列数据先按时间排序，如果已经是排序则跳过这一步
找到要计算的等间隔时间在数据集中的前后数据，用前一数据 + (前后数据之差 / 前后时间之差 * 前一时间与要计算时间之差) 即可处理成等间隔的数据
python代码参考

li=[
    [0,12],
    [620,9],
    [810,12],
    [830,13],
    [1100,10],
    [1550,19],
    [1620,17],
    [2480,16],
    [4070,28],
    [4400,3],
    [4450,4],
    [5140,8],
    [5330,11],
    [7060,58],
    [7240,18]
]
sleep = 500 #等间隔值
time = 0
i = 0
while time<=li[-1][0]:
    while time>=li[i][0]:
        i+=1
    z = li[i][1] - li[i-1][1]
    p = li[i][0] - li[i-1][0]
    t = time - li[i-1][0]
    v = li[i-1][1] + z / p * t
    print(time,v)
    time += sleep

如有帮助，请点击我的回答下方的【采纳该答案】按钮帮忙采纳下，谢谢!