我有以下數據集，一個 Pandas 數據框：      Score   min   max               DateLoc0    2.757  0.000  2.757 2020-07-04 11:00:003    2.723  2.723  0.000 2020-07-04 14:00:008    2.724  2.724  0.000 2020-07-04 19:00:0011   2.752  0.000  2.752 2020-07-04 22:00:0013   2.742  2.742  0.000 2020-07-05 00:00:0015   2.781  0.000  2.781 2020-07-05 02:00:0018   2.758  2.758  0.000 2020-07-05 05:00:0020   2.865  0.000  2.865 2020-07-05 07:00:0024   2.832  0.000  2.832 2020-07-05 11:00:0025   2.779  2.779  0.000 2020-07-05 12:00:0029   2.775  2.775  0.000 2020-07-05 16:00:0034   2.954  0.000  2.954 2020-07-05 21:00:0037   2.886  2.886  0.000 2020-07-06 00:00:0048   3.101  0.000  3.101 2020-07-06 11:00:0053   3.012  3.012  0.000 2020-07-06 16:00:0055   3.068  0.000  3.068 2020-07-06 18:00:0061   2.970  2.970  0.000 2020-07-07 00:00:0064   3.058  0.000  3.058 2020-07-07 03:00:00在哪里：Score是一個非常基本的趨勢，min并且max是 的局部最小值和最大值Score。Loc是該行 x 軸上的值，并且date是圖表上該行的值。我正在嘗試從我的代碼中檢測紅色框中的數據，以便我可以在其他數據集上檢測到它?；旧衔艺趯ふ业氖且环N從我的代碼中設置該數據的定義的方法，以便可以從其他數據中檢測到它。到目前為止，我只設法在圖表上標記局部最大值和最小值（黃色和紅色點），我也知道如何用我自己的話來定義該模式，我只需要從代碼中做到這一點：定義最小值/最大值點何時距離先前的最小值/最大值點很遠（因此它具有更高的值）之后，找到局部最小值和最大值的點何時真正彼此接近并且它們的值彼此之間的差異不是很大。簡而言之，當一個強勁的增長之后是一個分數不會上升或下降太多的范圍時我希望這個問題足夠清楚，如果需要我可以提供更多細節。我不知道 Numpy 或任何其他庫是否可行。