在numpy中找到最小跳跃过零点

Question

对于数据分析任务，我想在numpy数组中找到零交叉，来自卷积，首先是类似sobel的内核，然后是墨西哥帽内核。 过零允许我检测数据中的边缘。

不幸的是，数据有些嘈杂，我只想找到最小跳跃大小的过零点，在下面的示例中为20 ：

import numpy as np
arr = np.array([12, 15, 9, 8, -1, 1, -12, -10, 10])

应该导致

>>>array([1, 3, 7])

要么

>>>array([3, 7])

其中3是-1的索引，就在第一次跳跃的中间之前， 7是-10的索引

我尝试修改以下代码（源代码： 在python中有效地检测符号更改 ）

zero_crossings = np.where(np.diff(np.sign(np.trunc(arr/10))))[0]

这正确地忽略了小跳跃，但将零交叉置于[1,5,7]

这样做的有效方法是什么？

最小跳跃的定义并不严格，但结果应该与我的问题一致。

编辑：澄清

arr = np.array([12, 15, 9, 8, -1, 1, -12, -10, 10])
arr_floored = np.trunc(arr/10)
>>>>np.array([10, 10, 0, 0, 0, 0, -10, -10, 10])
sgn = np.sign(arr_floored)
>>>>array([ 1,  1,  0,  0,  0,  0, -1, -1,  1])
dsgn = np.diff(sgn)
>>>>array([ 0, -1,  0,  0,  0, -1,  0,  2])
np.where(dsgn)
>>>>(array([1, 5, 7], dtype=int64),)

进一步的边框：

arr = [10,9,8,7,6,5,4,3,2,1,0,-1,-2,-3,-4,-5,-6,-7,-8,-9,-10]

应该导致

>>> np.array([10])

也刚刚注意到：问题可能是不适定的（在数学意义上）。 我今天晚些时候会澄清一下。

Answer 1

这是一个解决方案，它给出了涉及噪声阈值的交叉点的中点，以过滤在多个数据点上应用的零周围的潜在多个波动。 它为您提供的两个示例提供了正确的答案。 但是，我做了几个假设：

• 您没有准确定义确定交叉点中点的数据点范围，但我已经使用您的示例代码作为基础 - 它检测到ABS(start | end) >= 10交叉点因此我' ve使用了此条件所适用的最小范围。
  注意：这不会检测到从+15到-6的转换。
  编辑 ：实际上它并不总是最小范围，但代码应足以让您开始并根据需要进行调整。
• 我假设也可以使用pandas（跟踪感兴趣的数据点的索引）。 如果必要，你可以避免熊猫。

import numpy as np import pandas as pd arr = np.array([12, 15, 9, 8, -1, 1, -12, -10, 10]) sgn = pd.Series(np.sign(np.trunc(arr/10))) trailingEdge = sgn[sgn!=0].diff() edgeIndex = np.array(trailingEdge[trailingEdge!=0].index) edgeIndex[:-1] + np.diff(edgeIndex) / 2

得到：

array([3., 7.])

和

arr = [10,9,8,7,6,5,4,3,2,1,0,-1,-2,-3,-4,-5,-6,-7,-8,-9,-10]

得到：

array([10.])

Answer 2

基本情况

我想你想要的

import numpy as np
x = np.array([10, -50, -30, 50, 10, 3, -200, -12, 123])
indices = np.where(np.logical_and(np.abs(np.diff(x)) >= 20, np.diff(np.sign(x)) != 0))[0]

读作：indices，其中（（x的绝对差值）大于或等于20）和（符号翻转）

返回

array([0, 2, 5, 7])

周期性信号

通常的numpy函数不包括这种情况。 我建议通过pad函数简单地添加第一个元素：

import numpy as np
x = np.array([10, 5, 0, -5, -10])
x = np.pad(x, (0, 1), 'wrap')
indices = np.where(np.logical_and(np.abs(np.diff(x)) >= 20, np.diff(np.sign(x)) != 0))[0]