我做了一个实验,运行了一个Python程序很长时间,在此期间我对一些数量随时间进行了多次测量。每次测量之间的时间间隔都在1到3秒之间,而所使用的时间步长要小得多……比如0.01秒。即使只看y轴,这样的事件示例可能如下所示:
[...0,1,-1,4,1,0,0,2,3,1,0,-1,2,3,5,7,8,17,21,8,3,1,0,0,-2,-17,-20,-10,-3,3,1,0,-2,-1,1,0,0,1,-1,0,0,2,0...]
这里有一段静态段,紧接着是急剧上升、下降,然后是围绕0的短暂暂停,再快速下降、上升,最后又在0附近稳定。点号表示这是一个延伸到两个方向的长数据流的一部分。整个数据集中将会有许多这样的事件,长度不等,由低幅度区域分隔开。
我希望基本上形成一个包含'n'个数组(元组?)的数组,每个数组捕获一个事件,以便稍后单独分析。我不能纯粹地通过类似于np.absolute()类型的阈值来分离它们,因为在给定事件中偶尔会出现接近零值的小区域,例如上面的示例。除此之外,可能会有间歇性的瞬间,其持续时间很短,但具有较大的幅度。
上面的样例最好以其两侧的一些元素为起点,形成几个元素或者更少的数组。
[0,-1,2,3,5,7,8,17,21,8,3,1,0,0,-2,-17,-20,-10,-3,3,1,0,-2,-1]
我想到的是:
输入:
[0,1,0,0,-1,4,8,22,16,7,2,1,0,-1,-17,-20,-6,-1,0,1,0,2,1,0,8,-7,-1,0,0,1,0,1,-1,-17,-22,-40,16,1,3,14,17,19,8,2,0,1,3,2,3,1,0,0,-2,1,0,0,-1,22,4,0,-1,0]
基于一些连续值低于2的数量进行分割。
[[-1,4,8,22,16,7,2,1,0,-1,-17,-20,-6,-1],[8,-7,-1,0],[-1,-17,-22,-40,16,1,3,14,17,19,8,2,0],[1,22,4,]]
就像这个图:
[...0,1,-1,4,1,0,0,2,3,1,0,-1,2,3,5,7,8,17,21,8,3,1,0,0,-2,-17,-20,-10,-3,3,1,0,-2,-1,1,0,0,1,-1,0,0,2,0...]
这里有一段静态段,紧接着是急剧上升、下降,然后是围绕0的短暂暂停,再快速下降、上升,最后又在0附近稳定。点号表示这是一个延伸到两个方向的长数据流的一部分。整个数据集中将会有许多这样的事件,长度不等,由低幅度区域分隔开。
我希望基本上形成一个包含'n'个数组(元组?)的数组,每个数组捕获一个事件,以便稍后单独分析。我不能纯粹地通过类似于np.absolute()类型的阈值来分离它们,因为在给定事件中偶尔会出现接近零值的小区域,例如上面的示例。除此之外,可能会有间歇性的瞬间,其持续时间很短,但具有较大的幅度。
上面的样例最好以其两侧的一些元素为起点,形成几个元素或者更少的数组。
[0,-1,2,3,5,7,8,17,21,8,3,1,0,0,-2,-17,-20,-10,-3,3,1,0,-2,-1]
我想到的是:
输入:
[0,1,0,0,-1,4,8,22,16,7,2,1,0,-1,-17,-20,-6,-1,0,1,0,2,1,0,8,-7,-1,0,0,1,0,1,-1,-17,-22,-40,16,1,3,14,17,19,8,2,0,1,3,2,3,1,0,0,-2,1,0,0,-1,22,4,0,-1,0]
基于一些连续值低于2的数量进行分割。
[[-1,4,8,22,16,7,2,1,0,-1,-17,-20,-6,-1],[8,-7,-1,0],[-1,-17,-22,-40,16,1,3,14,17,19,8,2,0],[1,22,4,]]
就像这个图:
如果子数组的长度小于10,则删除:
[[-1,4,8,22,16,7,2,1,0,-1,-17,-20,-6,-1],[-1,-17,-22,-40,16,1,3,14,17,19,8,2,0]]
这是一个好的方法吗?第一步让我有点困惑。我也需要保留事件中那些低幅值的小区域。
重新编辑!我将比较两个随时间变化而测量的信号,因此它们将被压缩成一组元组。