python - 在 numpy 中寻找最小跳跃过零点

Question

对于数据分析任务，我想在一个 numpy 数组中找到零交叉点，它来自一个卷积，首先是一个类似 sobel 的内核，然后是一个墨西哥帽内核。零交叉允许我检测数据中的边缘。

不幸的是，数据有些嘈杂，我只想找到具有最小跳跃大小的零交叉点，在以下示例中为 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])

或

>>>array([3, 7])

其中3是-1的索引，就在第一次跳转的中间之前，7是的索引-10

我尝试修改以下代码(来源:Efficiently detect sign-changes in python)

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

它正确地忽略了小跳跃，但将过零置于 [1,5,7]

执行此操作的有效方法是什么？

最小跳跃的定义并不严格，但结果应该符合我的问题。

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),)

更多边缘情况:

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:这个问题可能不适定(在数学意义上)。我会在今天晚些时候澄清。

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，以过滤跨多个数据点应用的零附近的潜在多重波动。它为您提供的两个示例给出了正确答案。但是，我做了几个假设:

• 您没有准确定义要考虑的数据点范围以确定交叉的中点，但我使用您的示例代码作为基础 - 它正在检测 ABS(start | end) >= 10 因此我使用了满足此条件的最小范围。
  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，但代码应该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)。如果有必要，您可能会避开 Pandas 。


将 numpy 导入为 np
将 Pandas 导入为 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


给出:

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]

给出:

数组([10.])