修改

Question

我有一个看起来像这样的数据集（1D python列表）：

[0,0,0,0,4,5,6,6,4,0,0,0,0,0,0,2,0,0,0,6,4,5,6,0,0,0,0,0]

我正在尝试根据上一个窗口找到变体的截止点。

我正在寻找输出：

[4, 9, 19, 23]

假设我的窗口必须至少为3，那么至少对于连续3个元素和数据中的一些噪声必须发生变化，我想出了：

使用至少2个元素填充窗口
计算标准偏差，将stddev中的所有后续点添加到该窗口。每次添加新点时重新计算。
当一个点在stddev之外时（对于此处，第一次出现4），确保下一个点也在stddev之外（第一次出现的是5），如果是，则在第一个点附加一个新索引偏离点（这里4）。如果没有继续添加到当前窗口。
新的'deviant'值成为比较的窗口，重复。

有更好的方法可以做到这一点，还是内置的numpy功能来帮忙？

感谢。

修改

@qwwqwwq提出的解决方案运行良好，但我有另一个小约束 - 我意识到我的列表值没有相同的权重。假设这个新数据集：

[(10, 0), (20, 0), (15, 0), (20, 0), (8, 4), (10, 5), (15, 6), (15, 6), (10, 4), (5, 0),(5, 0), (20, 0), (10, 0), (8, 0),(5, 0), (10, 2), (5, 0), (5, 0), (5,0), (10,6) ,(5, 4), (5,5), (10, 6), (10, 0),(10,0) ,(10,0) ,(10,0) ,(10,0)]

其中pos 0是以秒为单位的持续时间
pos 1是我的价值
考虑峰值的最短时间是30秒

如何用最短时间替换widths = np.array([2]？

我知道我可以slope_down_begin_points，检查最近的slope_down_begin_points并查看两者之间的点数之和是否为＆gt;最短时间。我对signal不太熟悉，希望有更好的东西吗？

编辑2

另一种更简单，更天真的方法是将＆gt; 0值组合在一起，并将[0]和[-1]值切成边缘。

for k, g in groupby(x, key=lambda v: v[1] == 0):
    print k,g
    group = list(g)
    # only consider if long enough
    if sum([z[0] for z in group]) > some_minumum_time:
        # do stuff

Answer 1

我能想到的最好的方法是将样条拟合到数组，取导数，然后找到所有局部最大值。这些局部最大值应该代表峰的边界，我认为这就是你所追求的。我的方法：

from scipy import signal
from scipy import interpolate
import numpy as np
from numpy import linspace

x = [0,0,0,0,4,5,6,6,4,0,0,0,0,0,0,2,0,0,0,6,4,5,6,0,0,0,0,0]
s = interpolate.UnivariateSpline( linspace(0,len(x)-1,len(x)), np.array(x) )
ds = s.derivative()

slope_down_begin_points = [ p for p in signal.find_peaks_cwt( vector = [ -ds(v) for v in range(len(x)) ], widths = np.array([2]) ) if x[p-1] >= 1 ]

slope_up_begin_points = [ p for p in signal.find_peaks_cwt( vector = [ ds(v) for v in range(len(x)) ], widths = np.array([2]) ) if x[p+1] >= 1 ]

slope_up_begin_points + slope_down_begin_points
>> [4, 9, 16, 19, 23]

16包含在此方法中，因为它本身就是一个微小的峰值，如果您使用find_peaks_cwt / UnivariateSpline参数，您应该能够将其过滤掉..

python列表上的变量滑动窗口

修改

编辑2

1 个答案: