Python numpy如何在1darray上找到邻域中的局部最小值

我有一份分类样本的清单。它们是按采样时间排序的，每一个采样都是在前一个采样后一秒钟进行的。 我想在指定大小的邻域中找到最小值

例如，假设邻域大小为2，且样本大小如下：

samples = [ 5, 12.3, 12.3, 7, 2, 6, 9, 10, 5, 9, 17, 2 ]

我希望得到以下输出：[5,2,5,2] 在numpy/scipy实现这一目标的最佳方式是什么

编辑：解释了最小值背后的原因：

5-旁边的2号窗口为[12.3 12.3]。5号更小

2-左边[12.3,7]右边[6.9]。2是最小值

5-向左[9 10]向右[9 17]。5是最小值

请注意，9不是最小值，它的左右两侧有一个2窗口，其值较小（2）

---

正如Divakar在评论中指出的，这就是滑动窗口产生的结果。如果要删除重复项，可以单独执行

这将查看每个窗口，找到最小值，如果窗口的最小值不等于最近添加的值，则将其添加到列表中

samples = [5, 12.3, 12.3, 7, 2, 6, 9, 10, 5, 9, 17, 2]
neighborhood = 2

minima = []
for i in xrange(len(samples)):
  window = samples[max(0, i - neighborhood):i + neighborhood + 1]
  windowMin = min(window)
  if minima == [] or windowMin != minima[-1]:
    minima.append(windowMin)

这将提供您描述的输出：

print minima
> [5, 2, 5, 2]

然而，@imaluengo的答案更好，因为如果两个连续的最小值在原始列表中有不同的索引，那么它将包括这两个连续的最小值

使用scipy的：

这表明位置4和8（

2

和

5

）的数字是2号街区中最小的数字。由于

argrelextrema

仅支持

clip

或

wrap

边界条件，因此未检测到边界处的数字（

5

和

2

）。至于你的问题，我想你也对它们感兴趣。要检测它们，很容易首先添加反射边界条件：

>>> new_data = np.pad(data, radius, mode='reflect')
>>> new_data
array([ 12.3,  12.3,   5. ,  12.3,  12.3,   7. ,   2. ,   6. ,   9. ,
        10. ,   5. ,   9. ,  17. ,   2. ,  17. ,   9. ])

利用具有相应边界条件的数据，我们现在可以应用previus极值检测器：

>>> arg_minimas = argrelextrema(new_data, np.less, order=radius)[0] - radius
>>> arg_minimas
array([ 0,  4,  8, 11])

它返回局部极值（本例中为最小值，因为

np.less

）出现在

半径=2的滑动窗口中的位置

注意
-radius
，在使用
reflect
将数组包装为带有
np.pad
的边界条件后，修复
+radius
索引

编辑：如果您是在值中而不是在位置中安装的，则它是直接的：

>>>  data[arg_minimas]
array([ 5.,  2.,  5.,  2.])

看起来，基本上你是在滑动窗口中找到局部极小值，但是滑动窗口的滑动方式是，前一个窗口的结束作为新窗口的开始。对于这样一个特定的问题，本解决方案中建议的是使用-

样本运行

运行#1：原始输入数据

In [105]: S     # Input array
Out[105]: 
array([  5. ,  12.3,  12.3,   7. ,   2. ,   6. ,   9. ,  10. ,   5. ,
         9. ,  17. ,   2. ])

In [106]: N   # Window radius
Out[106]: 2

In [107]: out  # Output array
Out[107]: array([ 5.,  2.,  5.,  2.])

运行#2：修改输入数据，窗口半径=2

In [101]: S     # Input array
Out[101]: 
array([  5. ,  12.3,  12.3,   7. ,   2. ,   6. ,   9. ,  10. ,   5. ,
         9. ,  17. ,   2. ,   0. ,  -3. ,   7. ,  99. ,   1. ,   0. ,
        -4. ,  -2. ])

In [102]: N   # Window radius
Out[102]: 2

In [103]: out  # Output array
Out[103]: array([ 5.,  2.,  5., -3., -4., -4.])

运行#3：修改输入数据，窗口半径=3

In [97]: S    # Input array
Out[97]: 
array([  5. ,  12.3,  12.3,   7. ,   2. ,   6. ,   9. ,  10. ,   5. ,
         9. ,  17. ,   2. ,   0. ,  -3. ,   7. ,  99. ,   1. ,   0. ,
        -4. ,  -2. ])

In [98]: N   # Window radius
Out[98]: 3

In [99]: out  # Output array
Out[99]: array([ 5.,  2., -3., -4.])

这是你要找的滑动窗口中的最小值吗？如果是，4个元素的输出数组大小如何？你能解释一下你是如何得到预期的输出的吗？对于samples=[5,4,3,2,1]的输出应该是什么，对于samples=[5,5,5,5,5,5,5,5]的输出应该是什么？我认为这不管用，试试
samples=[5,4,3,2,1]
它会回答
[3,2,1]
但很明显，3不是本地最低要求。@StefanPochmann我的解释是这是期望的行为，尽管我可能误解了询问者的意图。3不是局部最小值，但它是在迭代中测试的指定大小附近的最小值。是的，我同意，它不清楚。标题和正文似乎要求不同的东西。你的解释可能是对的。
In [105]: S     # Input array
Out[105]: 
array([  5. ,  12.3,  12.3,   7. ,   2. ,   6. ,   9. ,  10. ,   5. ,
         9. ,  17. ,   2. ])

In [106]: N   # Window radius
Out[106]: 2

In [107]: out  # Output array
Out[107]: array([ 5.,  2.,  5.,  2.])

In [101]: S     # Input array
Out[101]: 
array([  5. ,  12.3,  12.3,   7. ,   2. ,   6. ,   9. ,  10. ,   5. ,
         9. ,  17. ,   2. ,   0. ,  -3. ,   7. ,  99. ,   1. ,   0. ,
        -4. ,  -2. ])

In [102]: N   # Window radius
Out[102]: 2

In [103]: out  # Output array
Out[103]: array([ 5.,  2.,  5., -3., -4., -4.])

In [97]: S    # Input array
Out[97]: 
array([  5. ,  12.3,  12.3,   7. ,   2. ,   6. ,   9. ,  10. ,   5. ,
         9. ,  17. ,   2. ,   0. ,  -3. ,   7. ,  99. ,   1. ,   0. ,
        -4. ,  -2. ])

In [98]: N   # Window radius
Out[98]: 3

In [99]: out  # Output array
Out[99]: array([ 5.,  2., -3., -4.])