Question

我正在处理一组来自仪器的数据(x={time},y={measure})，但有时源会导致数据出现峰值，导致绘图不正确，并可能导致计算max和min等功能时出错。

所以我需要从我的数据中删除这些尖峰，例如图像中红色圆圈包围的尖峰：

我发现this example用于去尖峰但我不知道如何反转信号（如果它在非对称信号上是正确的）我认为它是＆＃39 ; s仅用于检测尖峰，我需要通过拟合等操作将其移除...

我需要帮助才能知道是否有更好的方法来完成我的任务，或者我是否只是根据我的情况调整上述示例（在这种情况下我需要帮助，因为我不知道如何去做）。

Answer 1

以下是一组您可以遵循的估算峰值位置的步骤：

平滑数据。可以使用任意数量的过滤器。一个很好的起点是scipy cookbook中描述的smooth函数。您可以选择适当的参数，如窗口大小：
```
baseline = smooth(data, ...)
```
将平滑后的数据视为基线，在没有已知拟合函数的情况下，类似于最佳拟合线。从数据中减去基线：
```
noise = data - baseline
```
结果基本上是对伪拟合噪声的粗略估计。设置噪声过大的部分的阈值和斩波：
```
threshold = 3.0 * np.std(noise)
mask = np.abs(noise) > threshold
```

这里有很多配置选项：平滑过滤器类型和窗口大小，阈值因子甚至公制。例如，您可以使用IQR或完全不同的标准偏差。你对掩盖点的处理也完全取决于你。常见选项是完全丢弃或替换基线值。

Answer 2

您要删除异常值，并且有很多方法可以执行此操作。主要目标是检测它们，并进一步根据相邻样本用估计值替换它们。

最简单且可以说是最有效的方法是找到连续样本的运行差异，并将它们与某个预定阈值进行比较。在这里，您必须小心确定阈值的大小，因为这将决定算法的灵敏度和准确性。

第二个解决方案可能只是使用低通滤波器，但我建议使用线性相位滤波器scipy.signal.filtfilt。

可以使用另一种过滤器，中值过滤器可能是最好的选择：scipy.signal.medfilt。

我希望这能回答你的问题，并且你将能够为你的案例找到过滤系数。