如何为多个数组运行函数答案

【问题标题】：How to run function for multitude of arrays如何为多个数组运行函数
【发布时间】：2021-01-08 18:34:36
【问题描述】：

所以我需要分析存储在 excelsheet 中的信号（在我的情况下是来自表皮细胞的钙信号）的峰数和宽度。每列包含一个单元格的所有值（600 个值）

为了分析峰值，我将使用 scipy.signal.find_peaks() 和 scipy.signal.peak_widths() 函数进行分析，我将各个列放入包含该列中所有 601 个值的一维 numpy 数组中。

我通过将所有单独的列（列在 Excelsheet 中命名为 A、B、C、D 等）保存到它们自己的数据框（df_A、df_B）中，然后将它们放入一个数组中来做到这一点：

import numpy as np
import pandas as pd 

df = pd.read_excel('test.xlsx')

df_A = df.loc[:,'A']
df_B = df.loc[:,'B']

arrA = np.array(df_A)
arrB = np.array(df_B)

为了计算峰数和宽度，我使用了以下几行：

from scipy.signal import find_peaks, peak_widths

peaks_A, _ = find_peaks(x,height=7000, prominence= 1)

results_peakwidth_A = peak_widths(x, peaks, rel_height=0.5)

现在，由于我不仅要分析一个，而且要分析 > 100 个单元/信号，是否有一种简单的方法可以对所有单元/阵列执行此操作？这超出了我的能力范围，因此我很乐意提供任何帮助。

【问题讨论】：

标签： python arrays excel numpy scipy

【解决方案1】：

建议如下。本质上，您首先选择所需的列（无论有多少）。然后您创建一个将接收一列的函数（无需将其转换为数组，除非scipy 不同意，在这种情况下，在process 函数的顶部添加column = column.values）。

然后使用 apply，它将遍历数据框中的每一列并将其传递给您定义的函数。

import pandas as pd 
from scipy.signal import find_peaks, peak_widths

df = pd.read_excel('test.xlsx')

df = ... # select all columns from A-Z into a single dataframe with the columns required.
# The shape here would b 
# A  B   C 
# 1  4 4.1
# 2  3 4.0
#  ...

# define the function you want to apply to each column 
def process(column):
   peaks, _ = find_peaks(column,height=7000, prominence= 1)
   return peak_widths(column, peaks, rel_height=0.5)

new_columns = df.apply(process)

由于我不确定实际输出应该是什么样子，您可能希望保留peaks_A 和width。在这种情况下，您可以稍微改变流程功能：

def process(column):
   peaks, _ = find_peaks(column,height=7000, prominence= 1)
   width = peak_widths(column, peaks, rel_height=0.5)
   return pd.Series({"width": width, "peaks": peaks})

【讨论】：