我已经 10 多年没有学习统计学（然后只是一门基础课程），所以我的问题可能有点难以理解。
无论如何，我想做的是减少一系列数据点的数量。x 轴是自测量开始以来的毫秒数，y 轴是该点的读数。
通常有数千个数据点，但我可能只需要几百个。所以我的问题是：如何准确减少数据点的数量？
这个过程叫什么？（所以我可以谷歌它）是否有任何首选算法（我将在 C# 中实现它）
希望你能得到一些线索。对不起，我缺乏适当的术语。
编辑：更多细节在这里：
我得到的原始数据是心率数据，形式为自上次心跳以来的毫秒数。在绘制数据之前，我计算第一个样本的毫秒数，以及每个数据点的 bpm（每分钟节拍数）（60000/timesincelastbeat）。
我想可视化数据，即将它绘制成折线图。我想将图表中的点数从数千减少到数百。
一种选择是计算系列中每一秒或每 5 秒左右的平均 bpm。如果我知道每个周期（5 秒间隔的秒数）至少有一个样本，那将非常容易。
你有两个问题：太多的点以及如何平滑剩余的点。
稀释样品
如果你有太多的实时观察结果，你总是可以使用简单的随机抽样来稀释你的样本。请注意，因为这也是正确的，点的数量必须非常大。
假设你有N个点，而你只想要其中的n个。然后从离散的均匀U(0, N-1)分布中生成n 个随机数。这些将是您使用的点。
如果您想按顺序执行此操作，即在您决定是否使用它的每一点，则只需接受概率为p的点。因此，如果您设置p=0.01，您将接受（平均）一百分之一。
如果您的数据分布不均匀，并且您只想细化点的密集区域，那么只需使细化功能更加复杂。例如，不是p ，而是：
其中是正数，是自上次观察以来的时间。如果两点之间的时间很大，即很大，则接受一个点的概率为 1。相反，如果两个点靠得很近，则接受一个点的概率将为。
您将需要试验和的值。
平滑
可能类似于简单的移动平均类型方案。或者你可以选择更高级的东西，比如内核平滑器（正如其他人所建议的那样）。您需要注意不要过度平滑，因为我认为在您的场景中应该很快地拾取突然下降。
应该有可用于这类东西的C#库。
结论
必要时变薄，然后平滑。
好吧，我认为您要查找的词是“采样”，但我不确定您为什么要这样做。数千个数据点并不是很多。或者您只是想绘制较少数量的等距点？这通常称为“分箱”。
您的目标是生成可视化吗？在这种情况下，您可能希望保留原始数据，将其绘制为散点图，然后覆盖某种集中趋势（回归线、样条曲线等）以传达应有的信息。
还是您的目标是以某种方式对结果进行数字总结？在这种情况下，您可能需要更详细地解释您的问题！
计算平均值会导致不同的数据集，而不是简单地减少数据点的数量。如果每分钟一次心跳比另一次心跳快得多，您将在平滑过程中丢失信号。
如果您将 125-125-0-125-125 汇总为 100，则数据所讲述的故事通过您的平滑处理会有所不同。
有时心脏甚至会跳动，我相信这是一个有趣的事件，但想要查看绘制的心率数据。
因此，我建议您使用类似的公式计算两点之间的距离d=sqrt((time1-time2)^2 + (bpm1-bpm2))。
您在程序中设置了最小距离。然后您遍历您的数据，并在每个点之后删除所有 d 小于最小距离的后续点。
由于时间单位和 bpm 不同，您可能需要考虑如何找到有意义地缩放单位的方法。要正确完成这项任务，您应该与最终必须解释您的图表的医生交谈，并询问他们认为哪些信息是必不可少的。
为了减少数据点，您可以使用非常容易理解和实现的Ramer–Douglas–Peucker 算法。采样信号将与原始信号非常相似。