PythonのSciPyでのピーク（極大値・極小値）の検出方法

1. はじめに

データ解析を行う際に、データセットのピーク（極大値や極小値）を検出したい場合があります。特に、金融や物理学の分野で、特定の時系列データの振る舞いを調査するときにこの方法が役立ちます。この記事では、PythonのSciPyライブラリのfind_peaks関数を使用して、ピークの検出方法を解説します。

scipy.signal.find_peaks — SciPy v1.11.2 Manual

2. find_peaks関数の基本

find_peaksは、SciPyのsignalモジュールに含まれています。この関数を使用すると、1次元のデータセットから極大値を効率的に検出することができます。

基本的な使用方法は以下のようになります。

from scipy.signal import find_peaks

data = [1, 3, 7, 1, 2, 6, 3, 2, 1]
peaks, _ = find_peaks(data)
print(peaks)

出力:

[2, 5]

この例では、dataの3番目（インデックスは2）と6番目（インデックスは5）にピークが存在します。

3. ピーク検出のパラメータ

find_peaks関数は、さまざまなパラメータを持っており、これらのパラメータを調整することで検出の精度を向上させることができます。主なパラメータとして以下のものがあります。

• height: ピークの高さの制約を指定します。

• threshold: ピークの隣接点との関係を考慮するためのしきい値を指定します。

• distance: 2つのピーク間の最小距離を指定します。

• prominence: ピークがどれだけ顕著であるかの指標を指定します。

4. 為替チャートのピーク検出の例

ここでは、為替チャートデータを使用して、ピークの検出とプロットを行う例を示します。

まず、必要なライブラリをインポートします。

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

次に、仮の為替チャートデータを生成します。

np.random.seed(42)
times = np.linspace(0, 10, 200)
prices = np.sin(times) + 0.5 * np.random.randn(200)

そして、find_peaks関数を使用してピークを検出します。

peaks, _ = find_peaks(prices, distance=5)

最後に、チャートとピークをプロットします。

plt.figure(figsize=(10, 6))
plt.plot(times, prices, label="為替チャート")
plt.plot(times[peaks], prices[peaks], "x", label="ピーク")
plt.title("為替チャートのピーク検出")
plt.legend()
plt.show()

この方法で、為替チャートのピークを簡単に検出し、可視化することができます。

ピークを自動検出して数値化することで、環境認識やトレードロジック開発など様々な用途に活用が可能です。

pandasデータフレームに列として格納する場合、以下のように欠損値を補完します。

from scipy.signal import find_peaks
import numpy as np

distance_threshold = 5
maxima_indices, _ = find_peaks(df['close'], distance=distance_threshold)
minima_indices, _ = find_peaks(-df['close'], distance=distance_threshold)

# Add the initial columns for maxima and minima
df['maxima'] = np.nan
df['minima'] = np.nan

# Assign the close prices to the maxima and minima columns
df.loc[df.index[maxima_indices], 'maxima'] = df['close'].iloc[maxima_indices]
df.loc[df.index[minima_indices], 'minima'] = df['close'].iloc[minima_indices]

# Forward fill (ffill) for maxima and minima
df['maxima_ffill'] = df['maxima'].fillna(method='ffill')
df['minima_ffill'] = df['minima'].fillna(method='ffill')

# Linear interpolation for maxima and minima
df['maxima_linear'] = df['maxima'].interpolate(method='linear')
df['minima_linear'] = df['minima'].interpolate(method='linear')

ピークを結ぶことでラインを表現できます。ピークの期間はパラメーターで調整します。

5. まとめ

この記事では、SciPyのfind_peaks関数を使用して、データセットからピークを検出する方法を解説しました。この関数は多数のパラメータを持っており、状況に応じて適切に調整することで、さまざまなデータセットに対して効果的にピーク検出を行うことができます。特に金融分野では、時系列データのピーク検出が非常に重要であり、この方法はそのような場面で役立つでしょう。