Python中如何优雅消除二进制信号数组中的孤立尖峰？

问题描述 #

我有一个由0和1构成的信号数组，原本应该具备特定宽度，但处理过程中出现了若干孤立尖峰——即某个元素的值与左右相邻元素都不同。我需要消除这些尖峰，将尖峰位置的元素设置为与相邻元素相同的值。

我已经用以下代码实现了需求：

for ind, x in enumerate(signal_bool):
    if ind == 0 or ind == len(signal_bool) - 1:
        continue

    if signal_bool[ind-1] == signal_bool[ind+1]:
        signal_bool[ind] = signal_bool[ind-1]

但想知道有没有更优雅的实现方式。

更优雅的实现方案 #

方案一：列表推导式（简洁直观） #

通过将数组与自身的偏移版本配对，用列表推导式一次性生成处理后的数组，避免手动索引判断：

def remove_spikes(signal):
    if len(signal) <= 2:
        return signal.copy()
    # 首尾元素保持不变，中间元素根据左右邻居判断
    return [signal[0]] + [
        left if left == right else curr
        for curr, left, right in zip(signal[1:-1], signal[:-2], signal[2:])
    ] + [signal[-1]]

这种写法更紧凑，逻辑清晰，适合小规模数组使用。

方案二：Numpy 向量化实现（高效处理大数据组） #

如果你的信号数组长度很大，使用Numpy的向量化操作能大幅提升处理效率：

import numpy as np

def remove_spikes_np(signal):
    signal_np = np.asarray(signal)
    if len(signal_np) <= 2:
        return signal_np.copy()
    # 获取所有中间元素的左右邻居数组
    left_neighbors = signal_np[:-2]
    right_neighbors = signal_np[2:]
    # 筛选出左右邻居相等的尖峰位置
    spike_mask = left_neighbors == right_neighbors
    # 复制原数组并替换尖峰
    processed = signal_np.copy()
    processed[1:-1][spike_mask] = left_neighbors[spike_mask]
    return processed.tolist()  # 如需转回普通Python列表

向量化操作避免了Python级别的循环，处理大型数组时性能优势明显。

方案三：生成器函数（内存友好） #

如果数组规模极大，不想一次性生成完整的新数组，可以用生成器逐个输出处理后的元素，节省内存：

def generate_spike_removed(signal):
    n = len(signal)
    if n == 0:
        return
    yield signal[0]
    if n == 1:
        return
    for i in range(1, n-1):
        if signal[i-1] == signal[i+1]:
            yield signal[i-1]
        else:
            yield signal[i]
    yield signal[-1]

# 使用方式：将生成器转为列表
# processed_signal = list(generate_spike_removed(signal_bool))

这种方式适合处理流式数据或超大型数组，不会一次性占用大量内存。

你的原始代码逻辑清晰、易于维护，以上替代方案主要在代码简洁性或运行性能/内存占用上做了优化，可根据你的数组规模和实际需求选择合适的实现。

内容的提问来源于stack exchange，提问作者Sun Tzun