我有一个随机变量X，在随机时间T采样，类似于这个玩具数据：

import numpy as np
T = np.random.exponential(size=1000).cumsum()
X = np.random.normal(size=1000)

此时间序列如下所示：

关键的一点是采样间隔是不均匀的：我的意思是np.diff(T)的所有元素不相等。我需要以指定的宽度dt在均匀间隔上对时间序列T,X进行重采样，这意味着(np.diff(T)==dt).all()应该返回True。
我可以使用scipy.interpolate.interp1d以统一的时间间隔对时间序列进行重新采样，但是这个方法不允许我指定时间间隔大小dt：

from scipy.interpolate import interp1d
T = np.linspace(T.min(),T.max(),T.size) # same range and size with a uniform interval
F = interp1d(T,X,fill_value='extrapolate') # resample the series on uniform interval
X = F(T) # Now it's resampled.

基本问题是interp1d不接受数组T，除非T.size==X.size。
是否有其他方法可以尝试在宽度为dt的均匀间隔上对时间序列T,X进行重采样？