"小H，这里有份数据，你来做一下数据分析。"ld招招手就把正在刷知乎的小H拉回现实。
"我做吗？可是我也没说过我过我会吧，其实我连python都没怎么写过。"那时候刚来公司没几天的小H这样想道，可能是ld以为本科生都会吧，不过我也不可能自己暴露了。
"收到！"小H马上回复道。
······
但是要分析什么呢？一时间还是没有什么头绪啊。。。
得到ld的指导后，其中的一部分是，小H决定从波形图中提取出波谷，然后从波谷的左边界到极值和极值到右边界去做一个时间对比，这实际上说明了一个动作的来回，从中大概就可以看出一个合规的动作在时间上应该怎么分布的吧？（反正我是没怎么看出来）
取极值简单，min或者什么max都可以简单从一段连续的数组中找到极值，但是什么才叫波谷的区间呢？
因为展示出来的波形图如下：
在正常的时候也是有波动的。经过和ai一番叽里咕噜的交流之后选定了以下的做法：
首先是计算出比较稳健的一个正常波动曲线，也就是上图中的在虚线上半部分的这些，如果没有动作的话他们应该一直都是这样的。具体的方式就是去掉极端值之后计算平均值划定阈值，低于这个阈值以下的点我们都看成是波谷部分。
之后就是找到所有低于低于阈值的点，那应该是一段段区间，再去掉长度不合适的就可以了，当然对于区间我们也只返回左右端点。
python
def find_all_valley_ranges(data, threshold_ratio=0.98, min_length=1):
"""
找到所有连续的波谷区间，返回[[左边界, 右边界], ...]形式的数组
参数:
data: 一维数组，波形数据
threshold_ratio: 波谷阈值比例（低于正常波动均值的此比例视为波谷）
min_length: 最小波谷长度（过滤过短的噪声区间）
返回:
valley_ranges: 波谷区间列表，每个元素为[start, end]
"""
# 1. 计算稳健的正常波动基线（排除极端值）
plow = np.percentile(data, 10)
ptop = np.percentile(data, 95)
normal_data = data[(data >= plow) & (data <= ptop)]
baseline = np.mean(normal_data)
# print(f"baseline : {baseline}")
valley_threshold = baseline * threshold_ratio
# 2. 找到所有低于阈值的点
valley_points = np.where(data < valley_threshold)[0]
if len(valley_points) == 0:
return [] # 无波谷区间
# 3. 分割为连续区间（检测间隙）
gaps = np.where(np.diff(valley_points) > 1)[0] + 1 # 间隙位置
intervals = np.split(valley_points, gaps) # 按间隙分割为连续区间
# 4. 过滤过短区间并转换为[start, end]形式
valley_ranges = []
for interval in intervals:
if len(interval) >= min_length: # 只保留长度达标者
valley_ranges.append([interval[0], interval[-1]])
return valley_ranges代码就是这样了，其实也没有多少内容，对于不同的数据可以通过调节波谷阈值比例、最小波谷长度、排除极端值的范围来把控如何划出波谷。
效果如上。
之后就是对这L，R以及min进行分析，然后美美提交一份并没有什么用的说明上去。
当然这个程序改一下就是查找波峰区间了（找到所有低于阈值->找到所有高于阈值）