使用scipy find_peaks检测数组峰值，返回结果疑为空峰值求技术指导

你误解了返回结果——这个结果不是空的：

• 返回元组的第一个元素array([ 1, 5, 10], dtype=int64)就是检测到的峰值在原数组中的索引位置
• 第二个空字典只是表示没有额外的峰属性（比如峰高、宽度），不代表未找到峰值

为什么这些索引被判定为峰值？ #

对应原数组的数值来看：

• 索引1：84.643，比左右相邻的84.6345和84.6375都大，是局部峰值
• 索引5：84.5345，左右相邻值为84.524和84.5305，确实是该局部区间的最高点
• 索引10：84.668，是整个数组的全局峰值，左右值明显更低

如何过滤掉不需要的小峰值？ #

如果这些局部小峰值不符合你的预期，可以通过find_peaks的参数来过滤：

• height：只保留高于指定阈值的峰值

  import numpy as np
  from scipy.signal import find_peaks
  
  Array = np.array([84.6345, 84.643, 84.6375, 84.568, 84.524, 84.5345, 84.5305, 84.548, 84.562, 84.6295, 84.668, 84.5795, 84.565, 84.5715])
  peaks, props = find_peaks(Array, height=84.6)
  print(peaks)  # 输出峰值索引：[1 10]
  print(props['peak_heights'])  # 输出对应峰值高度：[84.643 84.668]
  

• distance：要求峰值之间的最小间隔（索引差），过滤近距离的小峰

  peaks, props = find_peaks(Array, distance=5)
  # 输出峰值索引：[1 10]，去掉了间隔太近的索引5
  

• prominence：根据峰的突出程度过滤，只保留“足够明显”的峰

  peaks, props = find_peaks(Array, prominence=0.05)
  # 输出峰值索引：[1 10]，过滤掉突出度不足的索引5
  

内容的提问来源于stack exchange，提问作者joenpc npcsolution