Discussion :

[josmiley]

bonjour,

soit un array comme ceci:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
array([[0,0,1,2,5 ,9 ,6,1,0,0,0,0,3,4,8,1,0,0,0],
       [0,0,1,2,25,13,6,1,0,0,0,0,3,4,9,1,0,0,0]])

il faudrait pour chaque ligne trouver les index des sommets à droite et à gauche de la liste.

Par exemple pour [0,0,1,2,5 9 ,6,1,0,0,0,0,3,4,8,1,0,0,0]
les sommets sont 9 et 8, soit les index 5 et 14.

je pensais donc rechercher l'index de la valeur X[n] tel que X[n] > X[n+1] en parcourant depuis la gauche
puis pareil en parcourant depuis la droite.

je sais faire avec la lib standard de python, par contre je suis totalement perdu dans la multitude de fonctions et methodes de numpy.

merci pour votre aide

[Matthieu Brucher]

Je te propose de faire un tableau Y = X[0:-1]-X[1:] et de faire un argmax et un argmin dessus.

[jean-pat]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
t=array([[0,0,1,2,5 ,9 ,6,1,0,0,0,0,3,4,8,1,0,0,0],
   ....:        [0,0,1,2,25,13,6,1,0,0,0,0,3,4,9,1,0,0,0]])

on peut faire:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
In [29]: np.where(t==9)
Out[29]: (array([0, 1]), array([ 5, 14]))

[Alexis.M]

Bonjour,

Tout d'abord une précision sur le vocabulaire, est-ce que ce tu appelles les "sommets" correspond aux maxima locaux ?

dans ce cas tu appliques la même méthode que lorsque tu étudies des fonctions en math, tu repères les endroits ou la dérivée (différence finie ici) change de signe :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
dsign = np.sign(x[:,:-1]-x[:,1:])
i,j = np.where((s[:,:-1] == 1) & (s[:,1:]==-1))
# i corespond à la ligne et j à la colonne
# attention il faut ajouter 1 au numéro de colonne
j+=1

bien sur ici le cas des "plateaux" n'est pas traité, ni le cas ou ton "sommet" se trouve en début de tableau

si tu veux récupérer une liste de liste pour chaque ligne :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
p = zip(i,j)
lignes = [ [] for k in x.shape[1] ]
for i,j in p :
    lignes[i].append(j)