如何将已计算局部极值的数据集处理为平滑阶梯曲线？

第一步 修正极值预处理逻辑 #

你之前将极值列空值填充为0的操作会干扰阶梯值的连续填充，首先调整原代码去掉填充0的步骤，保留极值位置为原值、非极值位置为NaN的状态，原参考代码调整后如下：

import numpy as np
from scipy.signal import argrelextrema

n=10
df['min'] = df.iloc[argrelextrema(df.data.values, np.less_equal,
                order=n)[0]]['data']
df['max'] = df.iloc[argrelextrema(df.data.values, np.greater_equal,
                order=n)[0]]['data']
# 删掉原来的fillna(0)操作，保留空值标识非极值位置
df['min_max'] = df['min'].combine_first(df['max']) # 直接合并两列，非极值位置为NaN

第二步 生成有序极值序列 #

从min_max列中提取所有非空的极值点，连同对应的索引位置按升序排列，得到按顺序排列的有效极值列表：

• 过滤掉索引重合的重复极值点（同位置同时识别为最大最小值的小概率场景，可按业务规则保留其中一个）

第三步 生成阶梯曲线值 #

创建新的阶梯值列，按如下规则填充：

• 第一个有效极值点之前的所有行，统一赋值为第一个极值的值（也可按需替换为序列初始值、初始段均值等）
• 遍历有序极值列表，相邻两个极值点之间的所有行，统一赋值为前一个极值点的值
• 最后一个有效极值点之后的所有行，统一赋值为最后一个极值的值

假极值频繁跳变问题处理 #

可以按需组合使用以下过滤规则，减少噪声导致的无意义跳变：

• 差值过滤：设置最小波动阈值，相邻两个极值的差值小于阈值时，丢弃后一个极值点，不纳入阶梯序列
• 间隔过滤：设置最小间隔阈值，相邻两个极值的索引间隔小于阈值时，合并两个极值，仅保留更极端（更大/更小）的那个
• 极值强度校验：调整argrelextrema的order参数，或者新增校验逻辑，仅保留比前后N个点的差值超过阈值的极值点，过滤假极值

内容的提问来源于stack exchange，提问作者user13079994