如何在python（numpy/scipy）中找到嘈杂数据集中峰值的半高宽？

我正在分析两条交叉线（如+符号）的图像，并提取垂直于其中一条线的一行像素（一个

nx1

numpy数组）。这给了我一个浮点值数组（表示颜色），然后我可以打印它。我用MaMattLIB绘制数据，我在180到200之间得到一组有噪声的数据，中间有一个明显的峰值，峰值下降到大约100。 我需要找到这个数据的半高宽。我想我需要先过滤噪声，所以我使用了高斯滤波器，它平滑了我的数据，但它的顶部仍然不是超平坦的

我想知道是否有更好的方法来过滤数据

我怎样才能找到这些数据的半高宽

如果可能的话，我只想使用numpy、scipy和matplotlib

以下是原始数据：

以下是过滤后的数据：

---

我最终没有使用任何过滤器，而是使用了原始数据。 我采用的程序是：

• 找到最小点和最大点并计算

  difference=max（arr\u y）-min（arr\u y）

• 找到最大值的一半（在我的例子中是最小值的一半）

  HM=difference/2

• 找到距离HM最近的数据点：

  nearest=（np.abs（arr_y-HM））.argmin（）

• 计算了最近距离和最小距离之间的距离（这给了我HWHM）
• 然后简单地乘以2得到半高宽

---

我不知道（或认为）这是最好的方法，但它很有效，而且根据比较似乎相当准确。

您的脚本已经进行了正确的计算

但是，如果将

最近的

和

位置极值

之间的距离取为其两侧极值（最大值/最小值）的一半位置，则可以减少

最近的

和

位置极值

之间的距离误差

import numpy as np

# Example data
arr_x = np.linspace(norm.ppf(0.00001), norm.ppf(0.99999), 10000)
arr_y = norm.pdf(arr_x)

# Effective code
difference = max(arr_y) - min(arr_y)
HM = difference / 2

pos_extremum = arr_y.argmax()  # or in your case: arr_y.argmin()

nearest_above = (np.abs(arr_y[pos_extremum:-1] - HM)).argmin()
nearest_below = (np.abs(arr_y[0:pos_extremum] - HM)).argmin()

FWHM = (np.mean(arr_x[nearest_above + pos_extremum]) - 
        np.mean(arr_x[nearest_below]))

对于本例，您应获得半高宽和标准偏差之间的关系：

---

FWHM=2.355

乘以上面提到的标准偏差（这里是1）。

很抱歉没有图片…我的声誉超过10之前无法添加图片（今天刚刚注册）。欢迎使用Stack Overflow！看起来你想让我们为你写些代码。虽然许多用户愿意为陷入困境的程序员编写代码，但他们通常只在海报已经试图自己解决问题时才提供帮助。演示这项工作的一个好方法是，包括您迄今为止编写的代码、示例输入（如果有）、预期输出和实际获得的输出（控制台输出、堆栈跟踪、编译器错误——任何适用的）。你提供的细节越多，你可能得到的答案就越多。检查和半高宽的答案应指向正确的方向。