You need to enable JavaScript to run this app. 使用Python批量计算DataFrame中多列信号半高宽(FWHM)的实现问题
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.18 23:36:06