如何？...Peak在Numpy语法中查找“突出”计算
对于numpy用户来说有点陌生，试图看到“如何在numpy中”解决算法中的numpy语法问题。
我希望在这里寻求一些帮助是可以的，因为我被困住了，我会喜欢一些建议-我希望这不是TLDR‘isn！
背景：
我正在尝试手工计算“显着性”以从峰值发现中删除峰值，并试图查看是否有一种简单的"numpy“方法来实现这一点，而不是循环。
在任何人说之前，我知道https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.find_peaks.html可以移除具有指定突出位置的峰值，但我试图弄清楚如何使用numpy语法手动删除峰值，而不是循环索引(我知道C，我正在尝试学习numpy.)：
原因
原因是我需要从中改变现有的枕逻辑，“如果一个峰值的左边或右侧的日珥没有问题(即足够大)，那么如果左或右日珥太小，则峰值应该保持为” to “，然后删除峰值”“。
这相当于将枕码第252行上的枕码第252行代码更改为min(left_min, right_min)
查找突出值的代码在数组上使用循环()--我正在尝试学习它是否可能以numpy表示法/语法(不用于循环)，但经过一天的努力，无法弄清楚如何做到这一点--所以我很喜欢一些numpy建议！！
概念逻辑很简单:在配置文件(一维数组)中找到峰值，然后计算左右相邻山谷(即“日珥”)上每个峰的高度，然后删除左或右高度小于某一阈值的峰值--即两边都不够“轻微”。
在上面的例子中，我想移除两个中心峰，因为两者在中央“山谷”上方的高度(日珥)太小了--尽管周围的两个山谷外的高度可以。
所以，我的矮小的帮手质疑
我知道，如果我有一个peaks数组是profile数组的索引，我可以使用np.delete来删除“不够峰值”，如果我可以计算每个峰值的left_height和right_height数组集：
np.delete(peaks, np.where( (left_height<10) | (right_height<10) )[0])对于峰值数组中的特定值，我可以通过在峰值索引之间切片和在片中找到min配置文件值来找到它们之间的“山谷”：
profile[peaks[0]:peaks[1]].min()我想不出的是如何计算left_height和right_height数组。
left_height = profile[peaks] - profile[peaks[-1]:peaks].min()这本质上是“使用带有当前和先前位置的峰值数组来生成一个切片，然后使用该切片获取概要值，然后计算这些配置文件值的最小值”的逻辑。
这种逻辑可能只使用python特性的numpy，还是需要一个循环手册？
回答 1
Stack Overflow用户
发布于 2019-09-07 00:05:00
这是一个很好的学习方法！:)
peak_prominences的第一个版本实际上是作为一个纯Python实现添加的，您可以找到这里。
该实现仍然在每个峰值上循环一次，并且显然比Cython实现慢，但可能仍然是您所要寻找的。您本质上想要改变轮廓高度是如何计算在第403和404行上，正如您已经建议自己。
我想不出的是，如何计算left_height和right_height数组。有点像
left_height = profile[peaks] - profile[peaks[-1]:peaks].min()
您似乎已经非常接近在第382至400项中计算左、右高度的解决方案(忽略前面与窗口相关的内容)。下面是使用变量名查找单个peak左、右高度的关键部分：
# Positions where profile is larger than current peak height
greater_peak = np.where(profile > profile[peak])[0]
try:
# Nearest position to the left of peak with
# profile[left] > profile[peak]
left = greater_peak[greater_peak < peak].max()
except ValueError:
left = 0
try:
# Nearest position to right of peak with
# profile[right] > profile[peak]
right = greater_peak[greater_peak > peak].min()
except ValueError:
right = None
# Base indices to the left and right of peak in profile
left_height = profile[left:peak].argmin() + left
right_height = profile[peak:right].argmin() + peak我希望这对你的努力有帮助。
免责声明:我是那个函数的作者。
https://stackoverflow.com/questions/57829549
复制相似问题
腾讯云开发者
