Python 3.x Numpy怎么办。。。峰值查找“；“承诺”；numpy语法中的计算

对于numpy用户来说有点陌生，试图看到一个“如何在numpy中使用”的解决方案来解决numpy语法中的算法问题

我希望在这里寻求一些帮助是可以的，因为我被难倒了，希望得到一些建议-我希望这不是TLDR'ish

背景：

我正在尝试手动计算“突出度”以从峰值查找中删除峰值，并尝试查看是否有一种简单的“numpy”方法来实现这一点，而不是循环

在任何人说之前，我知道可以用指定的突出度删除峰值，但我一直在想如何手动使用numpy语法，而不是循环索引（我知道C，我正在尝试学习numpy…）：

---

原因：

原因是我需要将现有的scipy逻辑从更改为“如果峰值左侧或右侧的突出度正常（即足够大），则峰值应保持“到”，如果左侧或右侧的突出度太小，则删除峰值“

这相当于将

max（left\u min，right\u min）

编码更改为

min（left\u min，right\u min）

---

用于数组上的前/后循环-我试图了解这是否可能是numpy符号/语法（不用于循环），但经过一天的努力，我想不出如何做到这一点-因此我希望得到一些numpy建议

---

概念逻辑很简单： 在剖面图（1d阵列）中找到峰值，然后计算左/右相邻山谷上每个峰值的高度（即“突出度”），然后删除左或右高度小于某个阈值的峰值-即两侧的峰值不够“峰值”

---

在上面的例子中，我想删除两个中心峰，因为两个中心峰在中央“山谷”上的高度（突出）太小-即使周围两个外部山谷的高度可以

---

那么，我的numpy帮助问题：

我知道如果我有一个

peaks

数组索引到

profile

数组中，我可以使用np.delete删除“不够峰值”，如果我可以为每个峰值计算数组的左/右高度集：

np.delete(peaks, np.where( (left_height<10) | (right_height<10) )[0])

我不知道的是如何计算左高和右高数组。类似

left_height = profile[peaks] - profile[peaks[-1]:peaks].min()

这基本上是“使用峰值数组，使用当前和以前的位置，生成一个切片，然后使用该切片获得轮廓值，然后计算这些轮廓值的最小值”的逻辑

---

这种逻辑是否可以只使用python-istic-numpy实现，还是需要一个循环手册？

这是一个很好的学习方法！：）

第一个版本的

peak\u-eprogences

实际上是作为一个纯Python实现添加的，您可以找到它

该实现仍然会在每个峰值上循环一次，明显比Cython实现慢，但可能仍然是您所要寻找的。您基本上希望更改在上计算轮廓高度的方式，就像您自己建议的那样

我搞不懂的是如何计算left_height和right_height数组

left_height = profile[peaks] - profile[peaks[-1]:peaks].min()

left\u height=profile[peaks]-profile[peaks[-1]：peaks].min（）

在计算左右高度时，您似乎已经非常接近解决方案（忽略前面与窗口相关的内容）。下面是使用变量名查找单个

峰值的左右高度的关键点：

# Positions where profile is larger than current peak height
greater_peak = np.where(profile > profile[peak])[0]

try:
    # Nearest position to the left of peak with
    # profile[left] > profile[peak]
    left = greater_peak[greater_peak < peak].max()
except ValueError:
    left = 0
try:
    # Nearest position to right of peak with
    # profile[right] > profile[peak]
    right = greater_peak[greater_peak > peak].min()
except ValueError:
    right = None

# Base indices to the left and right of peak in profile
left_height = profile[left:peak].argmin() + left
right_height = profile[peak:right].argmin() + peak

#剖面大于当前峰值高度的位置
更大的峰值=np。其中（剖面>剖面[峰值]）[0]
尝试：
#最靠近峰值左侧的位置
#配置文件[左]>配置文件[峰值]
左=更大的峰值[更大的峰值<峰值]。最大值（）
除值错误外：
左=0
尝试：
#最靠近峰值右侧的位置
#配置文件[右]>配置文件[峰值]
右=更大峰值[更大峰值>峰值].min（）
除值错误外：
右=无
#剖面图中峰值左侧和右侧的基准指数
left_height=外形[左：峰值].argmin（）+左
右侧高度=外形[峰值：右侧].argmin（）+峰值

我希望这对你的努力有所帮助

免责声明：我是该函数的作者。
嘿，谢谢你的快速回复！…很高兴听到你的回复，因为你是原始作者！我很高兴即使你在标记上有一个外部for循环，我也这样做了-我试图弄清楚是否有可能做到让我难堪的纯python-numpy'ish！我将使用一个类似的应用程序roach在for loopYes中手动获取切片-在第403行中，我基本上是在寻找一个最小而不是最大的逻辑（即“最高的_轮廓”）……我将用两行代码来装饰现有的scipy代码，以完成相同的事情，并很好地运行。再次感谢！