在有人问之前，请让我确认这个问题与交易技术分析有关。

这个问题很简单，但我缺乏解决它所需的科学背景。

数据以时间等距的浮点值数组的形式出现。由于人类心理，一些局部最小值（同样适用于最大值）往往会随着时间的推移重复（虽然不是在相同的值，但在一个相当小的范围内）：如果某个价格水平在过去很重要，那么停止价格以跌至下方，它往往会重新浮出水面几次，再次阻止价格跌至下方。

我感兴趣的是在给定的过去时期（比如 5000 个时间间隔）中找到最重要的水平。基本上，一个级别的“重要性”取决于它被测试的次数（意味着价格尝试超过该级别并失败的次数）；但是，在相对较大的时间间隔内测试 3 次的水平（如日线图每月一次）比在短时间内测试 3 次的水平（如日线图的一周内）更重要。

同样，数据如下：

• 数据以浮点值数组的形式出现
• 数据点在时间上是等距的（但是，时间几乎不重要）
• 一些局部极端事件比其他极端事件更重要，并且随着时间的推移往往会重复

有人可以帮我用一些 Python 代码来提取重要的关卡吗？或者至少给我一些理论/框架来学习？我知道 pandas/numpy，但我缺乏至少确定可以使用这些的数学背景...

谢谢！