找到数组低于某个阈值的第一个索引（并保持低于一段时间）

Question

设A 为一维numpy 数组，阈值t，窗口长度K。

如何找到最小索引j，使得A[j:j+K] < t？（即A第一次在宽度为K的完整窗口低于阈值 )。

我用循环尝试过（未完成的）事情，但它似乎远非最佳，我想也许有一个聪明的“numpy 方式”来做到这一点。

---

旁注：我们想要测试我们是否低于阈值在某个窗口长度内而不是实际值，这对于避免开/关/开/关/开/关很有用阈值附近的伪影（另请参阅Hysteresis：“有意将滞后添加到电子电路中，以防止不必要的快速切换 [...] 补偿开关中的触点反弹或电信号中的噪声。” em>)。

Answer 1

方法#1

我们可以使用1D convolution -

np.flatnonzero(np.convolve(A<t, np.ones(K,dtype=int))==K)[0]-K+1

这个想法是在与阈值比较后得到布尔数组，然后运行一个1D卷积，其长度与window相同，填充1s。这给了我们每个滑动窗口的总和。所以，总和为K 的所有窗口都是我们所追求的。使用flatnonzero 获取有效窗口的起始索引。最后选择第一个。

方法#2

与binary-erosion -

from scipy.ndimage.morphology import binary_erosion

np.flatnonzero(binary_erosion(A<t, np.ones(K), origin=-(K//2)))[0]

这运行一个长度与window 相同的滑动内核，并依次侵蚀掉所有没有window 长度True 的窗口，留下有效的窗口。同样，使用flatnonzero 获取索引，最后选择第一个。我们需要使用带有二进制侵蚀的 arg origin，以便我们选择开始。

方法#3

这是另一个寻找岛屿的方法 -

# Get mask of valid elements with comparison against thresh
mask = np.r_[False,A<t,False]

# Get indices of starts and ends for the valid islands
idx = np.flatnonzero(mask[:-1] != mask[1:])
start,stop = idx[::2],idx[1::2]

# Get the island lengths and check for lengths >=K and mask  start indices
# and select the first one among them
out = start[(stop - start)>=K][0]