如何获取非规则振荡曲线的函数或峰值点？有无Python库内置方法？

峰值点提取 #

NumPy 实现 #

用numpy.argrelextrema()可以快速定位局部峰值，它通过比较相邻元素判断极值：

import numpy as np

# x为横轴数据，y为曲线纵轴数据
peak_indices = np.argrelextrema(y, np.greater)[0]
peak_x = x[peak_indices]
peak_y = y[peak_indices]

通过order参数可设置极值判断的窗口大小，过滤由噪声产生的伪峰值，比如order=3表示当前点需比前后3个点都大才判定为峰值。

更精准的补充方案 #

如果需要过滤低高度、近间距的峰值，用scipy.signal.find_peaks()更灵活，支持高度、间距、宽度等阈值设置：

from scipy.signal import find_peaks

peaks, props = find_peaks(y, height=0.3, distance=8)  # 仅保留高度≥0.3、间距≥8的峰值

曲线函数拟合 #

由于你的曲线振幅和周期均不固定，属于非平稳振荡信号，不存在单一数学方程能完美拟合，可尝试以下思路：

• 分段拟合：将曲线按周期变化区间拆分，每个子区间用「时变振幅+时变周期的正弦/余弦函数+趋势项」拟合，比如y = A(x)·sin(B(x)·x + C) + D(x)，其中A(x)、B(x)可用多项式或样条函数近似。
• 非参数平滑拟合：用样条插值生成平滑曲线，无需预设模型，适合不规则振荡：

from scipy.interpolate import UnivariateSpline

spline = UnivariateSpline(x, y, s=4)  # s为平滑因子，值越大曲线越平滑
y_fit = spline(x)

• 机器学习回归：数据量充足时，可尝试决策树、神经网络等模型学习非线性关系，但模型解释性较差。

NumPy、Matplotlib、Pandas 相关内置函数情况 #

• NumPy：无直接曲线拟合函数，但numpy.polyfit()可做多项式拟合（仅适合趋势部分）；numpy.argrelextrema()用于极值点检测。
• Matplotlib：仅为绘图库，无峰值检测或拟合函数，但可将检测到的峰值标注在图上：

import matplotlib.pyplot as plt

plt.plot(x, y)
plt.scatter(peak_x, peak_y, c='red', marker='x', label='Peaks')
plt.legend()
plt.show()

• Pandas：专注数据处理，无直接峰值/拟合函数，但可通过pd.Series.rolling()做滑动窗口分析辅助峰值识别，或完成时间序列的预处理（如重采样、缺失值填充）。

内容的提问来源于stack exchange，提问作者a_cris