如何用Python获取含births与year列的DataFrame折线图峰值数量？

嗨，这个需求我之前刚好处理过，用scipy.signal.find_peaks就能精准解决，还能根据你视觉上观察到的峰值特征灵活调整判断条件，下面给你一步步拆解操作：

核心方案：使用scipy的find_peaks函数 #

这个函数专门用来检测序列中的局部最大值，能通过参数过滤噪声或不符合要求的小波动，完美匹配你从折线图里看到的峰值特征。

步骤1：导入所需库 #

先确保你装了scipy，没装的话先跑pip install scipy，然后导入依赖：

import pandas as pd
from scipy.signal import find_peaks

步骤2：准备数据 #

从你的DataFrame里提取births列的数值序列——这是我们要检测峰值的核心数据：

# 提取births的数值数组
births_data = df['births'].values

如果你的折线图有很多小毛刺（视觉上的无关波动），建议先做平滑处理，用滚动均值过滤噪声：

# 用窗口大小为3的滚动均值平滑数据，可根据实际波动情况调整窗口大小
df['smoothed_births'] = df['births'].rolling(window=3).mean().dropna()
# 提取平滑后的序列
births_data = df['smoothed_births'].values

步骤3：检测峰值并统计数量 #

基础用法很直接，调用find_peaks就能得到峰值的索引，长度就是峰值数量：

# 基础检测：找出所有局部最大值
peaks, _ = find_peaks(births_data)
# 统计峰值数量
peak_count = len(peaks)
print(f"检测到的峰值数量：{peak_count}")

如果视觉上的峰值有特定要求（比如必须高于某个数值、两个峰值间隔至少几年），可以通过参数精准过滤：

# 示例：设置最小高度、最小间隔、突出度来匹配视觉峰值
peaks, properties = find_peaks(
    births_data,
    height=1000,    # 峰值必须高于1000，过滤低幅度波动
    distance=2,     # 两个峰值至少间隔2个索引（对应你的year列就是间隔2年）
    prominence=500  # 峰值到两侧谷底的垂直距离至少500，过滤不明显的小凸起
)
peak_count = len(peaks)
print(f"匹配视觉效果的峰值数量：{peak_count}")

可选：查看峰值对应的年份 #

如果想知道每个峰值具体对应哪一年，结合year列就能轻松获取：

# 注意：如果做了平滑处理，df可能有缺失索引，需对应调整
peak_years = df.loc[peaks, 'year'].tolist()
print(f"峰值对应的年份：{peak_years}")

关键参数说明 #

• height：设置峰值的最小高度，避免把无关的低幅度波动误判为峰值
• distance：控制两个峰值之间的最小间隔，防止相邻的小峰被重复统计
• prominence：衡量峰值的“突出程度”，能有效过滤那些和周围数据差值不大的小凸起

你可以反复调整这些参数，直到检测结果和你从折线图里观察到的峰值数量完全一致。

内容的提问来源于stack exchange，提问作者Tanmoy