这很简单。假设您的数据为 Panda 格式（名为 data_df），提取超过某个阈值（例如此处为 15000）的峰值/峰值很简单：

data_df[data_df > 15000]

如果此数据位于特定列中，则可以改用它：

data_df[data_df['column_name'] > 15000]

这些将返回峰值。

更新答案：

如果您想要每个峰值周围的局部极值点（例如 maximum 或 minimum ），请检查Scipy 中的scipy.signal.argrelextrema。一个具体的例子：

让我们制作一个带有随机尖峰的人工随机数据：

import numpy as np                    
import matplotlib.pyplot as plt 

random_number1 =np.random.randint(0,200,20)
random_number2=np.random.randint(0,20,100)
random_number=np.concatenate((random_number1,random_number2))
np.random.shuffle(random_number)
plt.plot(random_number)

现在使用argrelextrema函数，您将找到相对极值的索引（最小值或最大值）

c_max_index = argrelextrema(random_number, np.greater, order=5)

请确保您了解“订购”选项。它基本上会查看 5 个相邻点，并在这种情况下返回最大值。您可以通过在实际图表上精确定位找到的点来了解它是如何工作的，如下所示：

plt.plot(random_number)
plt.scatter(c_max_index[0],random_number[c_max_index[0]],linewidth=0.3, s=50, c='r')

请注意，您可以通过 random_number[c_max_index[0]] 检索峰值点，而 c_max_index 只是极值点的索引。

从 SciPy 1.1 版开始，您还可以使用find_peaks（数据来自@Majid Mortazavi 的回答：

import numpy as np                    
import matplotlib.pyplot as plt
from scipy.signal import find_peaks 

np.random.seed(42)

# borrowed from @Majid Mortazavi's answer
random_number1 = np.random.randint(0, 200, 20)
random_number2 = np.random.randint(0, 20, 100)
random_number = np.concatenate((random_number1, random_number2))
np.random.shuffle(random_number)

peaks, _ = find_peaks(random_number, height=100)

plt.plot(random_number)
plt.plot(peaks, random_number[peaks], "x")
plt.show()

这将绘制（阈值 = 100）：

除了height，您还可以设置峰之间的最小距离（例如 30）：

在这种情况下，您将使用（其余代码相同）：

peaks, _ = find_peaks(random_number, height=100, distance=30)

您可以实现某种窗口大小为 ca 的滑动窗口算法。50（根据您的图表），然后只选择窗口内的最高值。