使用Python批量计算DataFrame中多列信号半高宽(FWHM)的实现问题
实现方案
你需要把存储索引的xss改为二维列表,每个子列表对应一条信号的符合条件索引,修改后代码如下:
最小改动版本(兼容原有逻辑)
import pandas as pd import numpy as np import matplotlib.pyplot as plt # 读取数据、绘图 df = pd.read_csv("Values_S250_3_level_YS.csv") plt.plot(df) plt.show() xss = [] # 二维列表,每个子元素对应单条信号的符合条件索引 fwhm_result = [] # 存储每条信号的半高宽 for col_name, col_values in df.items(): half_max = col_values.max() / 2.0 # 筛选当前信号大于半高的索引 valid_index = col_values[col_values > half_max].index.tolist() xss.append(valid_index) # 直接计算半高宽:最大索引减最小索引 current_fwhm = valid_index[-1] - valid_index[0] fwhm_result.append({ "信号列名": col_name, "半高宽(索引差)": current_fwhm }) # 输出结果 print("各信号符合条件索引:", xss) print("各信号半高宽计算结果:") for res in fwhm_result: print(res)
更简洁的向量化计算版本
直接用pandas的apply批量处理所有列,无需手动嵌套循环:
def calc_fwhm(col: pd.Series): half_max = col.max() / 2.0 valid_idx = col[col > half_max].index return valid_idx[-1] - valid_idx[0] # 直接得到所有列的半高宽结果 fwhm_all = df.apply(calc_fwhm).reset_index() fwhm_all.columns = ["信号列名", "半高宽(索引差)"] print(fwhm_all)
结果说明
运行代码后:
xss变量为二维列表,第n个子列表对应第n条信号的所有大于半高值的索引- 半高宽直接通过每个子列表的最后一个元素减第一个元素得到,对应索引跨度,如果你需要转换为实际物理单位,乘以对应采样间隔即可
内容的提问来源于stack exchange,提问作者Nile Sitos
相关产品推荐
相关产品推荐

