在numpy数组中查找局部最大值

Nathan Thomas 发表于 Dev

内森·托马斯（Nathan Thomas）

我正在寻找一些具有高斯平滑数据的峰。我已经看过一些可用的峰值检测方法，但是它们需要一个可以搜索的输入范围，我希望它比以前更自动化。这些方法也设计用于非平滑数据。由于数据已经过平滑处理，因此我需要一种更简单的方法来检索峰。我的原始数据和平滑数据在下图中。

本质上，是否存在一种从平滑数据数组中检索最大值的pythonic方法，使得像

    a = [1,2,3,4,5,4,3,2,1,2,3,2,1,2,3,4,5,6,5,4,3,2,1]

会返回：

    r = [5,3,6]

克莱布

有一个bulit-in函数argrelextrema可以完成此任务：

import numpy as np
from scipy.signal import argrelextrema
    
a = np.array([1,2,3,4,5,4,3,2,1,2,3,2,1,2,3,4,5,6,5,4,3,2,1])

# determine the indices of the local maxima
max_ind = argrelextrema(a, np.greater)

# get the actual values using these indices
r = a[max_ind]  # array([5, 3, 6])

这样就为您提供了所需的输出r。

从SciPy 1.1版开始，您还可以使用find_peaks。以下是从文档本身获取的两个示例。

使用该height参数，可以选择高于某个阈值的所有最大值（在此示例中，是所有非负最大值；这在必须处理嘈杂的基线时非常有用；如果要查找最小值，只需将输入乘以通过-1）：

import matplotlib.pyplot as plt
from scipy.misc import electrocardiogram
from scipy.signal import find_peaks
import numpy as np

x = electrocardiogram()[2000:4000]
peaks, _ = find_peaks(x, height=0)
plt.plot(x)
plt.plot(peaks, x[peaks], "x")
plt.plot(np.zeros_like(x), "--", color="gray")
plt.show()

另一个非常有用的参数是distance，它定义了两个峰之间的最小距离：

peaks, _ = find_peaks(x, distance=150)
# difference between peaks is >= 150
print(np.diff(peaks))
# prints [186 180 177 171 177 169 167 164 158 162 172]

plt.plot(x)
plt.plot(peaks, x[peaks], "x")
plt.show()