基于Pandas的水星逆行检测：360度环形坐标边界问题求解

问题根源 #

常规极值检测（如scipy.signal.argrelextrema）基于线性数值比较，无法处理角度的环形特性：当行星顺行跨越0/360°边界时（如从358°跳到0°），数值上的“骤降”会被误判为逆行启动的极大值点，但实际是正常的顺行角度循环。

解决方案 #

核心是消除环形坐标的不连续性，将角度转换为连续的线性数据，或计算真实的环形角度变化量，再进行逆行检测。

方法1：展开环形角度为连续线性序列 #

将环形角度转换为无跳变的线性序列，顺行跨边界时自动累加360°，保证数据连续性：

import numpy as np
from scipy.signal import argrelextrema

# 示例角度数据（替换为你的实际数据）
angles = np.array([350.60172, 352.53184, 354.47785, 356.43861, 358.41273, 0.39843, 2.39354, 4.39545, 6.40106, 8.40673, 10.40828, 12.40098, 14.37956, 16.33824])

# 展开角度为连续线性序列
expanded_angles = np.zeros_like(angles)
expanded_angles[0] = angles[0]
for i in range(1, len(angles)):
    diff = angles[i] - angles[i-1]
    # 顺行跨边界（差值小于-180°），累加360°修正
    if diff < -180:
        expanded_angles[i] = expanded_angles[i-1] + diff + 360
    else:
        expanded_angles[i] = expanded_angles[i-1] + diff

# 检测逆行开始的极大值点
retro_start_indices = argrelextrema(expanded_angles, np.greater)[0]
print("逆行开始的索引位置：", retro_start_indices)

方法2：基于真实环形角度变化量检测 #

计算相邻角度的真实变化量（考虑环形特性），通过变化量的正负切换判断逆行启动：

import numpy as np

# 示例角度数据
angles = np.array([350.60172, 352.53184, 354.47785, 356.43861, 358.41273, 0.39843, 2.39354, 4.39545, 6.40106, 8.40673, 10.40828, 12.40098, 14.37956, 16.33824])

# 计算原始差值
diffs = np.diff(angles)
# 转换为真实环形变化量：顺行跨边界补360°，逆行跨边界减360°
true_diffs = np.where(diffs < -180, diffs + 360, np.where(diffs > 180, diffs - 360, diffs))

# 寻找变化量由正转负的临界点（逆行启动点）
# 前一个变化量为正（顺行），当前为负（逆行）
retro_start_indices = np.where((true_diffs[:-1] > 0) & (true_diffs[1:] < 0))[0] + 1
print("逆行开始的索引位置：", retro_start_indices)

效果验证 #

• 对于正常逆行案例（如8月的水星数据），两种方法都能准确找到极大值/由正转负的临界点，即逆行启动点。
• 对于跨边界的顺行案例（如3月的水星数据），处理后的数据不会出现误判的极值点，避免了边界干扰。

内容的提问来源于stack exchange，提问作者Igor K.