scipy.signal.argrelextrema 默认要求严格大于/小于邻点，故平台段、噪声或高采样率下易漏峰；需先平滑、确保一维输入、显式指定axis和比较函数，并用order=3起调参；波峰波谷可统一用argrelextrema(-data)推导；索引须映射至原始x轴，注意边界截断。
scipy.signal.argrelextrema 为什么找不到明显的波峰？
默认只认「严格大于/小于邻点」的极值，如果信号里有平台段（连续相等值）、噪声毛刺或采样太密，argrelextrema 直接跳过——它不模糊判断，也不自动平滑。
实操建议：
- 先用
scipy.signal.savgol_filter或np.convolve做轻量平滑，尤其当原始数据带高频抖动时 - 检查输入数组是否为一维
ndarray；传入list或二维数组会静默失败或报ValueError: object too deep for desired array - 确认比较轴是
axis=0（默认），多维数组需显式指定，否则结果维度错乱
order 参数到底控制什么？不是“搜索窗口大小”
order 指的是在目标点左右各取 order 个点做比较，总跨度是 2 * order + 1。它不控制“局部范围”，而是硬性比较邻域内所有点——哪怕中间有个更陡的峰，只要没进这个固定窗口，就看不见。
常见错误现象：
- 设
order=1却想抓宽峰 → 峰顶稍平就漏掉 - 设
order=50处理长周期信号 → 计算变慢，且容易把缓坡误判为极值 - 跨峰谷混合场景下，同一个
order值对峰和谷敏感度不同（因符号差异）
建议：从 order=3 起试，再按信号特征微调；高频采样可略降，低频拉高。
怎么同时拿到波峰和波谷？别重复调用两次
直接复用同一组索引，靠符号翻转判断类型：对原数组取负后找极大值，等价于找原数组极小值。比两次调用 argrelextrema 更稳，避免因浮点误差或边界处理导致索引不一致。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
示例逻辑：
import numpy as np from scipy.signal import argrelextrema <p>peaks = argrelextrema(data, np.greater, order=3)[0] troughs = argrelextrema(-data, np.greater, order=3)[0]</p>
注意：np.greater 是必须显式传入的比较函数，不能省略；换成 np.less 反而会出反直觉结果。
argrelextrema 返回的索引怎么映射回原始 x 轴？
它只返回 y 值数组中的位置索引，不关心你原始 x 是时间、频率还是样本点编号。最容易被忽略的是：如果你的 x 轴非等距（比如 log 频率轴），这些索引不能直接当横坐标用。
正确做法：
- 确保 x 和 y 长度一致，用
x[peaks]、x[troughs]显式索引 - 若 x 是
pd.Series，先转np.array再索引，否则可能触发KeyError或隐式对齐错误 - 极值点靠近数组首尾时，
order过大会导致部分索引缺失（边界被截断），需手动补或提前裁剪
边界处理没标准答案，得看你的业务是否允许首尾半个周期参与判断。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
