Python 如何根据x值何时变平来划分阶跃函数数组

我遇到了一个在python中很难解决的问题（我现在将其归咎于sever时差）

我有一个数组，我们称它为x。x的绘图，其中y轴是通用值，x轴是数组的索引，如下所示：

我想做的是在初始碰撞后隔离平坦部分（请参见我感兴趣的下一张图片）：

我想忽略前面的平面线和凹凸，在第二幅图像中创建一个由五个红色框组成的数组，这样我就有了

x_chunk=[[框0]、[框1]、[框2]、[框3]、[框4]]

---

我想忽略红色块之间的所有倾斜过渡线。我在确定正确的迭代过程和设置条件以获得所需内容时遇到困难。

因此，这可能不是最干净的解决方案，但它仍然有效：

import numpy as np
import matplotlib.pyplot as plt

# Create data
r=np.random.random(50)
y1 = np.array([50,40,30,20,10])
y=np.repeat(y1,10)
y[9]=y[9]+10
y=y+r

# Plot data
x=np.arange(len(y))
plt.plot(x,y)
plt.show()

会给你这样的东西：

#找到最大值并从那里开始
idxStart=np.argmax（y）
y2=y[idxStart:]
#抓取跳跃指数
idxs=np.where（np.diff（y2）因此，这可能不是最干净的解决方案，但它可以：

import numpy as np
import matplotlib.pyplot as plt

# Create data
r=np.random.random(50)
y1 = np.array([50,40,30,20,10])
y=np.repeat(y1,10)
y[9]=y[9]+10
y=y+r

# Plot data
x=np.arange(len(y))
plt.plot(x,y)
plt.show()

会给你这样的东西：


#找到最大值并从那里开始
idxStart=np.argmax（y）
y2=y[idxStart:]
#抓取跳跃指数
idxs=np.where（np.diff（y2）没有测试，因为我没有数据，但是类似的东西应该可以工作

def findSteps(arr, thr=.02, window=10, disc=np.std):
    d = disc(np.lib.stride_tricks.as_strided(arr, strides = arr.strides*2, shape = (arr.size-window+1, window)), axis = 1)
    m = np.minimum(np.abs(d[:-window]), np.abs(d[window:])) < thr
    i = np.nonzero(np.diff(m))
    return np.split(arr[window:-window], i)[::2]

def findSteps（arr，thr=.02，window=10，disc=np.std）：
d=圆盘（np.lib.stride_.as_跨步（arr，跨步=arr.strides*2，形状=（arr.size-window+1，window）），轴=1）
m=np.minimum（np.abs（d[：-window]），np.abs（d[window:]）

可能需要处理窗口和阈值，如果
np.std
不起作用，您可能需要为
disc
编写一个斜率函数，但基本思想是通过
window
步数向前和向后看，看看步幅的标准偏差（或斜率）是否接近0

您将得到
True
值块，您可以通过
np.nonzero（np.diff（））

然后，您将
np.按块将数组拆分为数组列表，并仅获取列表中的其他每个成员（因为其他子数组将是转换）。
由于我没有数据，因此未进行测试，但类似的方法应该可以工作

def findSteps(arr, thr=.02, window=10, disc=np.std):
    d = disc(np.lib.stride_tricks.as_strided(arr, strides = arr.strides*2, shape = (arr.size-window+1, window)), axis = 1)
    m = np.minimum(np.abs(d[:-window]), np.abs(d[window:])) < thr
    i = np.nonzero(np.diff(m))
    return np.split(arr[window:-window], i)[::2]

def findSteps（arr，thr=.02，window=10，disc=np.std）：
d=圆盘（np.lib.stride_.as_跨步（arr，跨步=arr.strides*2，形状=（arr.size-window+1，window）），轴=1）
m=np.minimum（np.abs（d[：-window]），np.abs（d[window:]）

可能需要处理窗口和阈值，如果
np.std
不起作用，您可能需要为
disc
编写一个斜率函数，但基本思想是通过
window
步数向前和向后看，看看步幅的标准偏差（或斜率）是否接近0

您将得到
True
值块，您可以通过
np.nonzero（np.diff（））

然后，您将
np.按块将数组拆分为数组列表，并仅获取列表中的每个其他成员（因为其他子数组将是转换）.
感谢您的回复！我正在考虑使用np.std和scipy.optimize.curve\u fit的参数来拟合直线并最小化斜率。我不知道slide\u tricks函数，尽管它的文档不是很好，但它似乎是一个拆分数组的巧妙技巧。一个简单的问题：为什么做m=np.minimum（np.abs（d[：-window]），np.abs（d[window:]））窗口
数据点。
abs
是为了防止你用斜率函数替换
np.std
。感谢你的回复！我正在考虑使用np.std和scipy.optimize.curve\u的参数拟合一条直线并最小化斜率。我不知道slide_tricks函数，虽然它的文档不是很好，但它似乎是一个拆分数组的巧妙技巧。一个简单的问题：为什么要使用m=np.minimum（np.abs（d[：-window]），np.abs（d[window:]））窗口
数据点。
abs
用于用斜率函数替换
np.std
。