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] = 10x[7] = 10x[11] = 10x = 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 npimport pandas as pdn = 3a = 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_window2  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 peaksx.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)})