scipy.signal.argrelextrema 默认要求严格大于/小于邻点，故平台段、噪声或高采样率下易漏峰；需先平滑、确保一维输入、显式指定axis和比较函数，并用order=3起调参；波峰波谷可统一用argrelextrema(-data)推导；索引须映射至原始x轴，注意边界截断。scipy.signal.argrelextrema 为什么找不到明显的波峰？默认只认「严格大于/小于邻点」的极值，如果信号里有平台段（连续相等值）、噪声毛刺或采样太密，argrelextrema 直接跳过——它不模糊判断，也不自动平滑。实操建议：先用 scipy.signal.savgol_filter 或 np.convolve 做轻量平滑，尤其当原始数据带高频抖动时检查输入数组是否为一维 ndarray；传入 list 或二维数组会静默失败或报 ValueError: object too deep for desired array确认比较轴是 axis=0（默认），多维数组需显式指定，否则结果维度错乱order 参数到底控制什么？不是“搜索窗口大小”order 指的是在目标点左右各取 order 个点做比较，总跨度是 2 * order + 1。它不控制“局部范围”，而是硬性比较邻域内所有点——哪怕中间有个更陡的峰，只要没进这个固定窗口，就看不见。常见错误现象：立即学习“Python免费学习笔记（深入）”；设 order=1 却想抓宽峰 → 峰顶稍平就漏掉设 order=50 处理长周期信号 → 计算变慢，且容易把缓坡误判为极值跨峰谷混合场景下，同一个 order 值对峰和谷敏感度不同（因符号差异）建议：从 order=3 起试，再按信号特征微调；高频采样可略降，低频拉高。怎么同时拿到波峰和波谷？别重复调用两次直接复用同一组索引，靠符号翻转判断类型：对原数组取负后找极大值，等价于找原数组极小值。比两次调用 argrelextrema 更稳，避免因浮点误差或边界处理导致索引不一致。 稿定AI 拥有线稿上色优化、图片重绘、人物姿势检测、涂鸦完善等功能