import numpy as np
from scipy.signal import argrelextrema
data = np.array([ 0, 1, 2, 1, 0, 1, 3, 3, 1, 0 ])
argrelextrema(data, np.greater)
(array([2]),)

简短的答案： 可能argrelextrema不够灵活。考虑编写符合您需要的函数。

---

更长的答案：
您一定要使用argrelextrema吗？如果是，则可以使用comparator和的order参数argrelextrema（请参阅参考资料）。

对于您的简单示例，选择np.greater_equalas就足够了comparator。

>>> data = np.array([ 0, 1, 2, 1, 0, 1, 3, 3, 1, 0 ])
>>> print(argrelextrema(data, np.greater_equal,order=1))
(array([2, 6, 7]),)

但是请注意，以这种方式

>>> data = np.array([ 0, 1, 2, 1, 0, 1, 3, 3, 4, 1, 0 ])
>>> print(argrelextrema(data, np.greater_equal,order=1))
(array([2, 6, 8]),)

找到第一个3和4最大的行为，可能会表现出与您可能想要的不同的方式，因为argrelextrema现在将所有事物视为大于或等于其两个最近邻居的最大值。现在，您可以使用该order参数来确定此比较必须包含的邻居数量-
选择该选项order=2将更改我的上例，使其最多查找4。

>>> print(argrelextrema(data, np.greater_equal,order=2))
(array([2, 8]),)

但是，这有一个缺点-让我们再次更改数据：

>>> data = np.array([ 0, 1, 2, 1, 0, 1, 3, 3, 4, 1, 5 ])
>>> print(argrelextrema(data, np.greater_equal,order=2))
(array([ 2, 10]),)

添加另一个峰作为最后一个值使您无法在处找到峰4，因为argrelextrema现在看到的第二个邻居大于4（对于嘈杂的数据很有用，但不一定在所有情况下都具有预期的行为）。

---

使用argrelextrema，您将始终被限制在固定数量的邻居之间进行二进制操作。但是请注意，argrelextrema以上示例中的所有操作都是n如果返回`data[n]

data[n-1] and data[n] >
data[n+1]`。您可以轻松地自己实现，然后完善规则，例如在第一个邻居具有相同值的情况下检查第二个邻居。

---

为了完整起见，似乎有更复杂的功能scipy.signal，find_peaks_cwt。但是，我没有使用它的经验，因此无法为您提供更多详细信息。