使用Matplotlib与Pandas标注HR子图中阈值以下的局部最小值
需求可行性说明
该需求完全可实现,核心需要完成三步逻辑:
- 对每个患者的连续心率序列,准确识别序列中的局部最小值点位
- 从识别出的局部最小值中,筛选出心率值低于65次/分的目标点位
- 在批量生成的子图中,将筛选出的点位做高亮标注,同时可补充阈值参考线方便对照
前置修正说明
你现有代码存在变量名不匹配的问题,直接运行会报错,需先对齐:
- 前面定义的患者唯一标识数组是
pt_code,后续循环误写为ids - 展平后的子图对象变量是
ax,绘图语句误写为flt[index] - 原数据的患者标识列是
code,过滤时误写为ids
分步实现逻辑
- 局部最小值识别:使用SciPy的
argrelextrema函数从连续序列中定位极值点,可通过参数控制邻域判定范围,避免将随机波动误判为极值 - 阈值筛选:拿到极值点的坐标后,直接对比对应位置的心率值,剔除大于等于65次/分的点位,仅保留符合阈值要求的目标点
- 高亮标注:在每个患者的折线图绘制完成后,将筛选出的目标点位以高层级散点的形式叠加在图上,保证不被折线遮挡,同时设置醒目的配色
可直接复用的完整代码
import numpy as np import pandas as pd import matplotlib.pyplot as plt from scipy.signal import argrelextrema # 提取所有唯一患者ID patient_codes = np.unique(df["code"].values) # 匹配30行2列的子图布局 fig, axes = plt.subplots(30, 2, figsize=(12, 20)) ax = axes.flatten() # 可自定义的配置参数 HR_THRESHOLD = 65 LOCAL_MIN_NEIGHBOR_RANGE = 2 for idx, pid in enumerate(patient_codes): # 按原始采集顺序提取当前患者的连续心率序列 hr_values = df[df["code"] == pid]["HR"].sort_index().values # 绘制基础心率折线 ax[idx].plot(hr_values, color="#1f77b4", linewidth=1.2) # 识别序列中所有局部最小值的位置索引 all_local_min_idx = argrelextrema(hr_values, np.less, order=LOCAL_MIN_NEIGHBOR_RANGE)[0] # 筛选出低于阈值的局部最小值 target_min_idx = [i for i in all_local_min_idx if hr_values[i] < HR_THRESHOLD] # 若存在符合要求的点位,做高亮标注 if len(target_min_idx) > 0: ax[idx].scatter( target_min_idx, hr_values[target_min_idx], color="crimson", s=40, zorder=5 ) # 添加阈值参考虚线 ax[idx].axhline(HR_THRESHOLD, color="gray", linestyle="--", alpha=0.6) # 为子图添加患者标识,方便对照 ax[idx].set_title(f"Patient ID: {pid}") plt.tight_layout() plt.show()
效果调整说明
- 若觉得局部最小值判定过于灵敏,把
LOCAL_MIN_NEIGHBOR_RANGE的数值调大(比如改成3、4),代表点位需要比前后3-4个相邻点的数值都小才算极值,可有效过滤数据噪声带来的误判 - 若觉得标注的醒目程度不够,可调整
scatter函数的参数,比如增大点的尺寸、换成带白边的高对比度颜色 - 阈值参考线为可选功能,不需要可直接注释掉对应的
axhline代码行
内容的提问来源于stack exchange,提问作者ummendial
相关产品推荐
相关产品推荐

