关于python：计算时间序列中的峰值


Counting Peaks in a Time Series

我在数一个麻木的数组中的峰和谷的数目。

我有一个这样的麻木数组：

1
stack = np.array([0,0,5,4,1,1,1,5,1,1,5,1,1,1,5,1,1,5,1,1,5,1,1,5,1,1,5,1,1])

标绘后，此数据如下所示：

Time Series plot of 'stack'array。

我正在寻找这个时间序列中峰值的数量：

这是我的代码，对于这样一个在时间序列表示中有清晰的峰和谷的例子，它工作得很好。我的代码返回找到峰值的数组的索引。

1
2
3
4
5
6
7
8
9
10
11
#example
import numpy as np
from scipy.signal import argrelextrema

stack =
np.array([0,0,5,4,1,1,1,5,1,1,5,1,1,1,5,1,1,5,1,1,5,1,1,5,1,1,5,1,1])

# for local maxima
y = argrelextrema(stack, np.greater)

print(y)

号

结果：

1
(array([ 2,  7, 10, 14, 17, 20, 23, 26]),)

已发现8个清晰的峰，可以正确计数。

我的解决方案似乎无法很好地处理不太清晰、更混乱的数据。

下面的数组无法正常工作，也找不到我需要的峰值：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
array([ 0.        ,  5.70371806,  5.21210157,  3.71144767,  3.9020162 ,
    3.87735984,  3.89030171,  6.00879918,  4.91964227,  4.37756275,
    4.03048542,  4.26943028,  4.02080471,  7.54749062,  3.9150576 ,
    4.08933851,  4.01794766,  4.13217794,  4.15081972,  8.11213474,
    4.6561735 ,  4.54128693,  3.63831552,  4.3415324 ,  4.15944019,
    8.55171441,  4.86579459,  4.13221943,  4.487663  ,  3.95297979,
    4.35334706,  9.91524674,  4.44738182,  4.32562141,  4.420753  ,
    3.54525697,  4.07070637,  9.21055852,  4.87767969,  4.04429321,
    4.50863677,  3.38154581,  3.73663523,  3.83690315,  6.95321174,
    5.11325128,  4.50351938,  4.38070175,  3.20891173,  3.51142661,
    7.80429569,  3.98677631,  3.89820773,  4.15614576,  3.47369797,
    3.73355768,  8.85240649,  6.0876192 ,  3.57292324,  4.43599135,
    3.77887259,  3.62302175,  7.03985076,  4.91916556,  4.22246518,
    3.48080777,  3.26199699,  2.89680969,  3.19251448])

。

绘制的数据如下：

氧化镁

同样的代码返回：

1
2
(array([ 1,  4,  7, 11, 13, 15, 19, 23, 25, 28, 31, 34, 37, 40, 44, 50, 53,
   56, 59, 62]),)

此输出错误地将数据点计数为峰值。

理想输出

理想输出应返回清晰峰值的数量，在这种情况下，11位于索引处：

1
[1,7,13,19,25,31,37,44,50,56,62]

。

我相信我的问题是因为argrextrema函数的聚合性质。

相关讨论

您可以使用一些阈值来查找峰值：

1
2
3
4
5
6
7
8
9
10
11
prev = stack[0] or 0.001
threshold = 0.5
peaks = []

for num, i in enumerate(stack[1:], 1):
    if (i - prev) / prev > threshold:
        peaks.append(num)
    prev = i or 0.001

print(peaks)
# [1, 7, 13, 19, 25, 31, 37, 44, 50, 56, 62]

号

相关讨论

看起来argrelextrema能帮你大忙。它有你想要的所有高峰，但也有一些额外的高峰。你需要提出一个适合你情况的标准，过滤掉你不想要的峰值。

例如，如果不希望峰值小于5，可以这样做：

1
2
3
4
5
6
7
8
9
In [17]: result = argrelextrema(a, np.greater)                                                          

In [18]: result                                                                                          
Out[18]:
(array([ 1,  4,  7, 11, 13, 15, 19, 23, 25, 28, 31, 34, 37, 40, 44, 50, 53,
        56, 59, 62]),)

In [19]: result[0][a[result[0]] > 5]                                                                    
Out[19]: array([ 1,  7, 13, 19, 25, 31, 37, 44, 50, 56, 62])