基于numpy用滑窗方差的办法确定曲线拐点

基于numpy用滑窗方差的办法确定曲线拐点

需要确定一条抖动的数据的拐点

#!usr/bin/env python
#-*- coding:utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
from scipy.signal import savgol_filter


def val_eb(x,y,gap):
# 转折点前后数据的离散程度相差很大，用这个离散差异拟合一条曲线，可能会有奇效。

# 对每一个数据点（离散数据点拟合的曲线），向前向后分别取一段等长区间，分别求方差，用方差表示离散程度。用向前区间的方差/向后区间的方差，表示离散差异。

# 每个数据点求得的离散差异形成的曲线如下，极值点x=790，正是转折点。
    col=[]
    y_col = []
    for i in range(gap, len(y) - gap):
        col.append(np.var(y[i - gap:i]) / np.var(y[i:i + gap]))
        y_col.append(i)
    return col,y_col
    pass


def pl():
    n = 1000
    x = np.linspace(1,10,n)

    # 绘制曲线
    noise = np.random.normal(0, 0.008, 1000)
    # print(noise)
    y =np.tanh(x)+noise

    plt.plot(x,y,color="red",linewidth = '0.1')

    # x_smooth = savgol_filter(y, 101, 3)
    y = savgol_filter(y, 201, 3)
    # 方差求拐点
    v,y_v = val_eb(x,y,100)
    i = y_v[v.index(max(v))]
    print("the ebow is ",v,y_v[v.index(max(v))])
    print(x[i],y[i],x[i+1],y[i+1],x[i-1],y[i-1])
    # plt.plot(y_v,v,color="blue")
    plt.plot(x,y,color="green",linewidth = '0.1')
    plt.show()

pl()

能够识别到x=2.79为拐点，y=0.99