Python 移动numpy数组数据以使其仅增长

我有一个名为

data\u saw

的numpy数组，它包含数千个浮点数

当可视化时，它看起来是这样的

我的任务是将gap之前的每个元素向下移动

180

（因为这里的每个gap范围都在

180

）左右，所以我将得到连续增长的无间隙直线

最后，我在数组中循环并检查每个索引处的间隙（最后一个元素仅用于比较，在进一步的计算中不需要，因此在对齐后将其删除）：

---

试图找出是否有更正确的方法来使用numpy数组执行此操作。是否有？

不确定是否更正确，但使用了

numpy

的本机方法

将numpy导入为np
将matplotlib.pyplot作为plt导入
数组=np.arange（90）
array=np.连接（[array[：30]，array[30:+180，array[60:+2*180+30]））
plt.绘图（阵列）

adjusted=array-np.concatenate（[[0]，（（np.diff（array）>=180.cumsum（）*180）]）
plt.绘图（已调整）

将告诉您差距何时大于某个阈值

mask = np.diff(data_saw) < -90

要规范化数据，只需添加

180*offset

和一些任意偏差：

data_fixed = data_saw + 180 * offset

要使最后一段保持其原始值，请执行以下操作：

data_fixed = data_saw + 180 * (offset - offset[1])

要使第二段保持原样，请执行以下操作：

data_fixed = data_saw + 180 * (offset - offset[-1])

您可以使用类似的方法调整数据，不仅可以调整任意数量的间隙，甚至可以调整超过某个阈值的任意间隙大小

首先，使用以下公式计算与原始

掩码

对应的索引：

固定数据是累积和（前面加零）：

---

我喜欢这个。刚刚做了一个快速基准测试，这个方法的速度大约是通过数组循环的5倍。感谢您提供详细的解决方案。我已修复阈值。它应该是

np.diff（数据_-saw）<-90

当然，

np.diff

在我的例子中返回负值。@MasterDevX。我添加了一个通用的方法来修复gapsCool，这真的很有帮助，也很有用，我很感激。

data_fixed = data_saw + 180 * (offset - offset[1])

data_fixed = data_saw + 180 * (offset - offset[-1])

delta = np.diff(data_saw)
indices = np.flatnonzero(delta < -90)

delta[indices] = 0.5 * (delta[indices - 1] + delta[indices + 1])

data_fixed = np.concatenate(([0], delta)).cumsum() + data_saw[0]