如何查找数据集中超出任意指定阈值的峰值对应的x轴数值

你提供的数据集为pandas Series结构，索引PixelNo即为你需要的x值，Series值为对应信号强度，可通过scipy.signal.find_peaks快速实现阈值筛选峰值的需求，步骤如下：

1. 依赖安装 #

如果未安装相关依赖，执行以下命令：

pip install pandas scipy numpy

2. 代码实现 #

核心逻辑说明 #

• 如果你给出的阈值0.35为归一化后的值，需要先将原始信号归一化到0-1区间；如果阈值是和原始信号值匹配的数值，可以跳过归一化步骤，直接把阈值传入height参数即可。
• 可通过额外参数调整峰值筛选规则，比如distance设置两个峰的最小间隔像素数、prominence设置峰的突出程度，过滤毛刺噪声峰。

import pandas as pd
from scipy.signal import find_peaks

# 假设calib_1为你读取到的单组Series数据
# 如需归一化到0-1区间使用0.35阈值，执行以下代码
normalized_signal = (calib_1 - calib_1.min()) / (calib_1.max() - calib_1.min())

# 查找超过指定阈值的峰值，返回的peaks为符合条件的峰值在Series中的位置索引
peaks, _ = find_peaks(
    normalized_signal,  # 如不需要归一化，这里替换为calib_1，同时修改下面的height为对应原始阈值
    height=0.35,  # 指定阈值
    # distance=3,  # 可选：两个峰值至少间隔3个像素才会被识别，根据需求调整
    # prominence=0.1  # 可选：过滤毛刺小峰，根据需求调整
)

# 提取峰值对应的x值（PixelNo）
peak_x_list = calib_1.index[peaks].tolist()

# 输出结果
print(peak_x_list)

3. 示例效果 #

用你给出的开头几个数据测试：

# 模拟示例数据
calib_1 = pd.Series(
    [821.0, 943.0, 806.0, 753.0, 834.0],
    index=[0,1,2,3,4],
    name='Calib_1'
)
normalized_signal = (calib_1 - calib_1.min())/(calib_1.max()-calib_1.min())
peaks, _ = find_peaks(normalized_signal, height=0.35)
print(calib_1.index[peaks].tolist())

运行后输出为[1, 4]，即对应数值最高的两个峰值的PixelNo值。

内容的提问来源于stack exchange，提问作者Karl