使用數據集df，我繪制了如下圖：dfTime Temperature8:23:04 18.58:23:04 199:12:57 199:12:57 209:12:58 209:12:58 219:12:59 219:12:59 239:13:00 239:13:00 259:13:01 259:13:01 279:13:02 279:13:02 289:13:03 28圖表（整體）放大數據時，我們可以看到更多細節：我想計算這個溫度測量設備的激活次數，這會導致溫度急劇上升。我已經定義了一個激活如下：令 T0, T1, T2, T3 為時間 t=0,t=1,t=2,t=3 的溫度，d0= T1-T0, d1= T2-T1, d2= T3-T2, ...是 2 個相鄰值的差。如果1) d0 ≥ 0 且 d1 ≥ 0 且 d2 ≥ 0，并且2) T2-T0 > max(d0, d1, d2)，并且3) T2-T0 < 30 秒它被認為是一種激活。我想計算總共有多少次激活。有什么好方法可以做到這一點？謝謝。
1 回答
當年話下
TA貢獻1890條經驗 獲得超9個贊
取決于如何定義尖峰，可能會有許多不同的有效答案。
假設您只想要溫度顯著升高的指數。一種簡單的方法是只尋找超過某個閾值的非常大的值跳躍。閾值可以從數據的平均差中計算出來，這應該粗略估計值發生顯著變化的位置。這是一個基本的實現：
import numpy as np
# Data
x = np.array([0, 1, 2, 50, 51, 52, 53, 100, 99, 98, 97, 96, 10, 9, 8, 80])
# Data diff
xdiff = x[1:] - x[0:-1]
# Find mean change
xdiff_mean = np.abs(xdiff).mean()
# Identify all indices greater than the mean
spikes = xdiff > abs(xdiff_mean)+1
print(x[1:][spikes]) # prints 50, 100, 80
print(np.where(spikes)[0]+1) # prints 3, 7, 15
您也可以使用異常值拒絕，這比與均值差的基本比較要聰明得多。
添加回答
舉報
0/150
提交
取消