使用 Scipy FindPeaks 函数滚动应用 Pandas：类型错误

Question

我正在使用 pandas.Series.Rolling.apply 功能中的scipy函数Find_Peaks寻求帮助。我抛出 TypeError: only size-1 arrays can be convert to Python scalars in my每次尝试，我无法理解 1.) 为什么 2.) 如何正确编写

我的最终目标：从透视日期开始，找到信号中的历史峰值。

find_peaks 函数根据峰值属性识别信号内的峰值。我正在使用 Mathworks -> prominence 方法中的突出方法有用示例

该函数本身接受一个一维数组并返回一个元组（peaks:ndarray, properties:dict）。

期望的输出：

x = np.ones((12,))

x[3] = 10

x[7] = 10

x[11] = 10

x = pd.Series(x)

x.rolling(4).apply(lambda x: find_peaks(x,prominence=.2)[0])

0      []

1      []

2      []

3      [3]

4      [3]

5      [3]

6      [3]

7      [3,7]

8      [3,7]

9      [3,7]

10     [3,7]

11     [3,7]

dtype: float64

尝试/错误消息：

x.rolling(4).apply(lambda x: find_peaks(x,prominence=.2)[0])

类型错误：只有大小为 1 的数组可以转换为 Python 标量

来自SO36680402发生此错误当函数需要单个值但您传递数组时，会引发错误“仅长度为 1 的数组可以转换为 Python 标量”。

但是，SO45254174似乎与此示例相矛盾：

import numpy as np

import pandas as pd

n = 3

a = np.arange(5)

df = pd.DataFrame(a, columns=['a'])

def keep(window, windows):

    windows.append(window.copy())

    return window[-1]

windows = list()

df['a'].rolling(n).apply(keep, args=(windows,))

df = df.tail(n)

df['a_window'] = windows

它将数组/向量添加到每个滚动块，从而产生：

   a         a_window

2  2  [0.0, 1.0, 2.0]

3  3  [1.0, 2.0, 3.0]

4  4  [2.0, 3.0, 4.0]

第一次尝试：

x.rolling(4).apply(lambda x: find_peaks(x,prominence=.2)[0])

错误：类型错误：只有大小为 1 的数组可以转换为 Python 标量

第二次尝试：

def _find_peaks(array,prominence=.2):

   peaks,_ = find_peaks(array,prominence=prominence)

   return np.empty((0,0)) if peaks.shape[0]==0 else peaks

x.rolling(4).apply(_find_peaks)

类型错误：只有大小为 1 的数组可以转换为 Python 标量

关于如何写作以及为什么我会抛出错误的任何想法将不胜感激！

Answer 1

您可以做的是使用数组代替，并使用wlen参数 infind_peaks设置窗口长度而不是使用pd.rolling：从文档：wlen ：int 或 float，可选： 样本中的窗口长度，可选择将每个峰的评估区域限制为 x 的子集。峰值始终位于窗口的中间，因此给定的长度四舍五入为下一个奇数。这个参数可以加快计算因此，您可以这样做：find_peaks(x.values, prominence=0.2, wlen=4)(array([3, 7], dtype=int64), {'left_bases': array([2, 6], dtype=int64),  'prominences': array([9., 9.]),  'right_bases': array([4, 8], dtype=int64)})