Pythonでピーク検出-SciPyのfind_peaksを使用

2024年7月7日2024年8月21日

データ分析において、データの中から特定の傾向や特徴を見つけるために「ピーク検出」は非常に重要です。

Pythonにはこの作業を簡単にするための強力なライブラリがあります。

その一つがSciPyです。

この記事では、SciPyのfind_peaks関数を使って、データからピークを検出する方法について詳しく解説します。

find_peaksとは？

SciPyは科学技術計算をサポートするPythonのライブラリです。

その中でも、find_peaksは時系列データから山（ピーク）を見つけるための便利な関数です。

この関数を使うことで、手動でピークを確認する手間が省けます。

find_peaksの導入方法

まず、SciPyのライブラリをインストールする必要があります。

以下のコマンドを実行してインストールしてください。

pip install scipy

find_peaksの基本的な使い方

ここでは、numpyを使ってサンプルデータを生成し、find_peaksを使ってそのデータからピークを検出する方法を紹介します。

サンプルコード

以下のコードを使ってピーク検出を試してみましょう。

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

# サンプルデータの生成
x = np.linspace(0, 6 * np.pi, 1000)
y = np.sin(x)

# ピークの検出
peaks, _ = find_peaks(y, height=0)

# データのプロット
plt.plot(x, y)
plt.plot(x[peaks], y[peaks], "x")
plt.show()

上記のコードでは、まずnumpyを使ってサンプルデータを生成しています。

このデータは単純なサイン波です。

その後、find_peaksを使ってデータからピークを検出し、検出されたピークの位置に”×”印をプロットしています。

find_peaksのオプション

find_peaks関数には多くのオプションがあり、様々な条件を設定することができます。

例えば、以下のようなオプションがあります。

height: ピークの最低高さを指定します。
distance: ピーク同士の最小間隔を指定します。
prominence: ピークの控えめ度を指定します。
width: ピークの最小幅を指定します。

高度な使い方の例

以下のコードでは、peak_prominencesとwidthを使ってより精度の高いピーク検出を行います。

import numpy as np
from scipy.signal import find_peaks, peak_prominences

# サンプルデータの生成
x = np.linspace(0, 6 * np.pi, 1000)
y = np.sin(x) + 0.1 * np.random.normal(size=x.size)

# ピークの検出
peaks, _ = find_peaks(y, height=0.5, distance=20)

# プロミネンスの計算
prominences = peak_prominences(y, peaks)[0]

# ピークのプロット
plt.plot(x, y)
plt.plot(x[peaks], y[peaks], "x")
plt.show()

print("Detected peaks:", peaks)
print("Prominences:", prominences)

このコードでは、ノイズが含まれたサイン波データを用意しました。

find_peaks関数にheightとdistanceのオプションを指定し、ピークの検出精度を向上させています。

また、peak_prominencesを使って各ピークのプロミネンス（目立つ度合い）を計算することで、検出されたピークの特性を詳しく分析できます。