web-dev-qa-db-fra.com

Trouver toutes les Maxima et Minima locales lorsque les valeurs x et y sont données sous forme de tableaux numpy

J'ai deux tableaux x et y comme:

x = np.array([6, 3, 5, 2, 1, 4, 9, 7, 8])
y = np.array([2, 1, 3, 5, 3, 9, 8, 10, 7])

Je trouve l'index des minima et maxima locaux comme suit:

sortId = np.argsort(x)
x = x[sortId]
y = y[sortId]
minm = np.array([])
maxm = np.array([])
while i < y.size-1:
   while(y[i+1] >= y[i]):
      i = i + 1

   maxm = np.insert(maxm, 0, i)
   i++
   while(y[i+1] <= y[i]):
      i = i + 1

   minm = np.insert(minm, 0, i)
   i++

Quel est le problème dans ce code? La réponse devrait être l’index de minima = [2, 5, 7] Et celle de maxima = [1, 3, 6].

pythonnumpyderivative
7
prtkp

Vous n'avez pas du tout besoin de cette boucle while. Le code ci-dessous vous donnera la sortie que vous voulez; il trouve tous les minima locaux et tous les maxima locaux et les stocke dans minm et maxm, respectivement. Remarque: lorsque vous appliquez cette option à de grands ensembles de données, veillez à lisser les signaux en premier. sinon, vous allez vous retrouver avec des tonnes d'extrema.

import numpy as np
from scipy.signal import argrelextrema
import matplotlib.pyplot as plt

x = np.array([6, 3, 5, 2, 1, 4, 9, 7, 8])
y = np.array([2, 1, 3 ,5 ,3 ,9 ,8, 10, 7])

# sort the data in x and rearrange y accordingly
sortId = np.argsort(x)
x = x[sortId]
y = y[sortId]

# this way the x-axis corresponds to the index of x
plt.plot(x-1, y)
plt.show()
maxm = argrelextrema(y, np.greater)  # (array([1, 3, 6]),)
minm = argrelextrema(y, np.less)  # (array([2, 5, 7]),)

Cela devrait être beaucoup plus efficace que la boucle while ci-dessus.

L'intrigue ressemble à ceci; J'ai décalé les valeurs x pour qu'elles correspondent aux indices retournés dans minm et maxm):

enter image description here

A partir de SciPy version 1.1, vous pouvez également utiliser find_peaks :

from scipy.signal import find_peaks

peaks, _ = find_peaks(y)

# this way the x-axis corresponds to the index of x
plt.plot(x-1, y)
plt.plot(peaks, y[peaks], "x")
plt.show()

Cela donne

 enter image description here

Ce qui est bien, c’est que vous pouvez désormais aussi facilement définir une hauteur de pic minimale (par exemple 8):

peaks, _ = find_peaks(y, height=8)

# this way the x-axis corresponds to the index of x
plt.plot(x-1, y)
plt.plot(peaks, y[peaks], "x")
plt.show()

 enter image description here

Notez que le premier pic est maintenant exclu car sa hauteur est inférieure à 8. 

En outre, vous pouvez également définir la distance minimale entre les pics (par exemple 5):

peaks, _ = find_peaks(y, distance=5)

# this way the x-axis corresponds to the index of x
plt.plot(x-1, y)
plt.plot(peaks, y[peaks], "x")
plt.show()

 enter image description here

Maintenant, le sommet moyen est exclu car sa distance aux deux autres sommets est inférieure à 5. 

19
Cleb
x=np.array([6,3,5,2,1,4,9,7,8])
y=np.array([2,1,3,5,7,9,8,10,7])

sort_idx = np.argsort(x)
y=y[sort_idx]
x=x[sort_idx]
minm=np.array([],dtype=int)
maxm=np.array([],dtype=int)
length = y.size
i=0

while i < length-1:
    if i < length - 1:
        while i < length-1 and y[i+1] >= y[i]:
            i+=1

        if i != 0 and i < length-1:
            maxm = np.append(maxm,i)

        i+=1

    if i < length - 1:
        while i < length-1 and y[i+1] <= y[i]:
            i+=1

        if i < length-1:
            minm = np.append(minm,i)
        i+=1


print minm
print maxm

minm et maxm contiennent des indices de minima et de maxima, respectivement.

1
prtkp

Cela fonctionnera bien. 

Python utilise += au lieu de ++. 

Avant d’utiliser i dans une boucle while, vous devez attribuer une valeur - dans le cas présent 0 -, en l’initialisant pour éviter les erreurs.

import numpy as np

x=np.array([6,3,5,2,1,4,9,7,8])
y=np.array([2,1,3,5,3,9,8,10,7])


sortId=np.argsort(x)
x=x[sortId]
y=y[sortId]
minm = np.array([])
maxm = np.array([])
i = 0
while i < y.size-1:
   while(y[i+1] >= y[i]):
      i+=1

   maxm=np.insert(maxm,0,i)
   i+=1
   while(y[i+1] <= y[i]):
      i+=1

   minm=np.insert(minm,0,i)
   i+=1

print minm, maxm
0
Geeocode