用python计算直方图峰值

Question

在Python中，如何计算直方图的峰值？

我试过这个：

import numpy as np
from scipy.signal import argrelextrema

data = [0, 1, 2, 3, 4, 0, 1, 2, 3, 4, 0, 1, 2, 3, 4, 1, 2, 3, 4,

        5, 6, 7, 8, 9, 5, 6, 7, 8, 9, 5, 6, 7, 8, 9,

        12,

        15, 16, 17, 18, 19, 15, 16, 17, 18, 

        19, 20, 21, 22, 23, 24,]

h = np.histogram(data, bins=[0, 5, 10, 15, 20, 25])
hData = h[0]
peaks = argrelextrema(hData, np.greater)

但结果是：

(array([3]),)

我希望它能找到0号和3号垃圾桶的峰值。

请注意，峰值跨越超过1个斌。我不希望它将跨度超过1列的峰视为额外的峰。

我对另一种获得高峰的方法持开放态度。

注：

>>> h[0]
array([19, 15,  1, 10,  5])
>>> 

Answer 1

尝试find峰值库。

pip install findpeaks

# Your input data:
data = [0, 1, 2, 3, 4, 0, 1, 2, 3, 4, 0, 1, 2, 3, 4, 1, 2, 3, 4, 5, 6, 7, 8, 9, 5, 6, 7, 8, 9, 5, 6, 7, 8, 9, 12, 15, 16, 17, 18, 19, 15, 16, 17, 18,  19, 20, 21, 22, 23, 24,]

# import library
from findpeaks import findpeaks

# Find some peaks using the smoothing parameter.
fp = findpeaks(lookahead=1, interpolate=10)
# fit
results = fp.fit(data)
# Make plot
fp.plot()

# Results with respect to original input data.
results['df']

# Results based on interpolated smoothed data.
results['df_interp']

Answer 2

我写了一个简单的函数：

def find_peaks(a):
  x = np.array(a)
  max = np.max(x)
  lenght = len(a)
  ret = []
  for i in range(lenght):
      ispeak = True
      if i-1 > 0:
          ispeak &= (x[i] > 1.8 * x[i-1])
      if i+1 < lenght:
          ispeak &= (x[i] > 1.8 * x[i+1])

      ispeak &= (x[i] > 0.05 * max)
      if ispeak:
          ret.append(i)
  return ret

我将峰值定义为大于相邻值180%和大于最大值5%的值。当然，您可以根据自己的喜好调整这些值，以便为您的问题找到最佳设置。

Answer 3

在计算拓扑中，持久同调的形式主义提供了一个“峰值”的定义，似乎可以满足你的需求。在一维情况下，峰值由下图中的蓝色条表示：

在一个峰值检测问题的堆栈溢出答案中给出了算法的描述。

好的一面是，这种方法不仅识别了峰值，而且以自然的方式量化了“意义”。

一个简单而高效的实现（与数字排序一样快）以及本博客文章中给出的上述答案的源材料：https://www.sthu.org/blog/13-perstopology-peakdetection/index.html