如何根据x值展平时的步长函数数组进行分块

Question

我遇到了一个问题，我在python中遇到了麻烦（我现在将其归咎于服务器jetlag）。

我有一个数组，我们称之为x。 x的图，其中y轴是通用值，x轴是数组的索引，如下所示：

我想要做的是在初始凹凸后隔离平坦部分（参见我感兴趣的下一张图片）：

我想忽略前导的扁平线和凹凸，并在第二张图像中制作一个五个红色框的数组，这样我就像

x_chunk = [[方框0]，[方框1]，[方框2]，[方框3]，[方框4]]

我想忽略红色块之间的所有倾斜过渡线。 我无法弄清楚正确的迭代过程并设置条件以便得到我需要的东西。

Answer 1

所以，这可能不是最干净的解决方案，但它有效：

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：

# Find maximum and start from there
idxStart=np.argmax(y)
y2=y[idxStart:]

# Grab jump indices
idxs=np.where(np.diff(y2)<-1)[0]+1

# Put into boxes
boxs=[]
for i in range(len(idxs)-1):
    boxs.append(y2[idxs[i]:idxs[i+1]])

print boxs  

当然，你需要找到合适的阈值来区分数据中的“跳跃/下降”，在我的情况下， -1足够好，因为random返回0到1之间的值。希望你的时差很快好起来。

Answer 2

没有测试，因为我没有数据，但这样的事情应该工作

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]

可能必须使用窗口和阈值，如果np.std不起作用，您可能想要为disc编写斜率函数，但基本思路是通过window步骤向前和向后查看并查看标准偏差步幅（或斜率）接近0。

您最终会得到True值的块，您可以通过np.nonzero(np.diff())找到它的开始和结束

然后，您可以通过块将数组np.split到一个数组列表中，并且只接受列表中的每个其他成员（因为其他子数组将是转换）。