python 尋找離散序列極值點的方法
更新時間：2019年07月10日 09:14:20 作者：weijifen000
今天小編就為大家分享一篇python 尋找離散序列極值點的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
使用 scipy.signal 的 argrelextrema 函數(shù)(API)，簡單方便
import numpy as np import pylab as pl import matplotlib.pyplot as plt import scipy.signal as signal x=np.array([ 0, 6, 25, 20, 15, 8, 15, 6, 0, 6, 0, -5, -15, -3, 4, 10, 8, 13, 8, 10, 3, 1, 20, 7, 3, 0 ]) plt.figure(figsize=(16,4)) plt.plot(np.arange(len(x)),x) print x[signal.argrelextrema(x, np.greater)] print signal.argrelextrema(x, np.greater) plt.plot(signal.argrelextrema(x,np.greater)[0],x[signal.argrelextrema(x, np.greater)],'o') plt.plot(signal.argrelextrema(-x,np.greater)[0],x[signal.argrelextrema(-x, np.greater)],'+') # plt.plot(peakutils.index(-x),x[peakutils.index(-x)],'*') plt.show()
[25 15 6 10 13 10 20] (array([ 2, 6, 9, 15, 17, 19, 22]),)
但是存在一個問題，在極值有左右相同點的時候無法識別，但是個人認(rèn)為在實際的使用過程中極少會出現(xiàn)這種情況，所以可以忽略。
x=np.array([ 0, 15, 15, 15, 15, 8, 15, 6, 0, 6, 0, -5, -15, -3, 4, 10, 8, 13, 8, 10, 3, 1, 20, 7, 3, 0 ]) plt.figure(figsize=(16,4)) plt.plot(np.arange(len(x)),x) print x[signal.argrelextrema(x, np.greater)] print signal.argrelextrema(x, np.greater) plt.plot(signal.argrelextrema(x,np.greater)[0],x[signal.argrelextrema(x, np.greater)],'o') plt.plot(signal.argrelextrema(x,np.less)[0],x[signal.argrelextrema(x, np.less)],'+') plt.show()
[15 6 10 13 10 20] (array([ 6, 9, 15, 17, 19, 22]),)
以上這篇python 尋找離散序列極值點的方法就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
Pandas Dataframe數(shù)據(jù)幀的迭代之iterrows(),itertuples(),items()詳
這篇文章主要介紹了Pandas Dataframe數(shù)據(jù)幀的迭代之iterrows(),itertuples(),items()使用,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2025-04-04
這篇文章主要為大家詳細介紹了Python中的上下文管理器的原理與使用，文中的示例代碼講解詳細，感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-03-03
單元測試是軟件開發(fā)中不可或缺的一部分,有助于確保代碼的正確性、可維護性和可擴展性,在Python中,有豐富的工具和庫可用于進行單元測試,本文將為你提供一個全面的指南,從入門到精通,輕松掌握Python單元測試的方方面面2023-11-11
這篇文章主要介紹了Python中關(guān)于使用模塊的基礎(chǔ)知識,是Python入門的基礎(chǔ),需要的朋友可以參考下2015-05-05
使用python動態(tài)生成波形曲線的實現(xiàn)
今天小編就為大家分享一篇使用python動態(tài)生成波形曲線的實現(xiàn)，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12
Python3訪問MySQL數(shù)據(jù)庫的實現(xiàn)步驟
要實現(xiàn)一個簡單的IM（即時通訊）系統(tǒng),支持用戶注冊、登錄和聊天記錄存儲,你可以使用Python和mysql數(shù)據(jù)庫,以下是一個基本的實現(xiàn)步驟,并通過代碼示例講解的非常詳細,需要的朋友可以參考下2024-11-11
Pytorch基礎(chǔ)教程之torchserve模型部署解析
torchserve是基于netty網(wǎng)絡(luò)框架實現(xiàn)的，底層使用EpollServerSocketChannel服務(wù)進行網(wǎng)絡(luò)通信，通過epoll多路復(fù)用技術(shù)實現(xiàn)高并發(fā)網(wǎng)絡(luò)連接處理，這篇文章主要介紹了Pytorch基礎(chǔ)教程之torchserve模型部署和推理,需要的朋友可以參考下2023-07-07
Python DataFrame使用drop_duplicates()函數(shù)去重(保留重復(fù)值，取重復(fù)值)
這篇文章主要介紹了Python DataFrame使用drop_duplicates()函數(shù)去重(保留重復(fù)值，取重復(fù)值)，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07
Python數(shù)據(jù)可視化中常見的4種標(biāo)注方式及示例詳解
在Python的數(shù)據(jù)可視化中,標(biāo)注（Annotation）技術(shù)是一種非常有用的工具,它可以幫助用戶更準(zhǔn)確地解釋圖表中的數(shù)據(jù)和模式,在本文中,將帶您了解使用Python實現(xiàn)數(shù)據(jù)可視化時應(yīng)該了解的4種標(biāo)注,需要的朋友可以參考下2024-12-12
這篇文章主要介紹了爬蟲代理的cookie如何生成運行，幫助大家更好的理解和使用爬蟲，感興趣的朋友可以了解下2020-09-09