Hacktoberfest 2026: die Issues, die Maintainer für den Oktober markiert haben – offen und einsteigerfreundlich. Hacktoberfest-Issues durchsuchen

`find_local_peaks` ignores the sample at `i + radius`, so points on a rising slope are returned as peaks

Offen Anfängerfreundlich
  • Stimmt etwas nicht?
#572 0 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

@rmz-oz arbeitet bereits daran.

Seit 02.10.2026.

  • #573 von @rmz-oz — offen

Bewertung

Schwierigkeit
2/5
Geschätzter Aufwand
1-3 Stunden
Anfängerfreundlichkeit
84/100
Issue-Typ
Bug
Klarheit
Klar beschrieben
Aktivitätsstatus
Aktiv
Tech-Stack
numpy, python
Bereich
data

Rechercherichtung

Beginne in wfdb/processing/peaks.py bei find_local_peaks und untersuche die Fensterslices in seinen Schleifen. Verwende die bereitgestellte Reproduktion, um zu überprüfen, dass die rechte Grenze für jeden Radius berücksichtigt wird, und prüfe anschließend die XQRS-Aufrufstellen in qrs.py auf Kompatibilität. Als erledigt gilt die Aufgabe, wenn die Ausgaben mit den Referenzfällen übereinstimmen, ohne das separate flat-top TODO zu ändern.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Beschreibung

The docstring of wfdb.processing.find_local_peaks says a sample is a local peak "if it is the largest value within the samples on its left and right". The window it actually checks leaves out the right side:

# wfdb/processing/peaks.py
while i < radius + 1:
    if sig[i] == max(sig[: i + radius]):          # right side stops at i + radius - 1
...
while i < len(sig):
    if sig[i] == max(sig[i - radius : i + radius]):  # sample i + radius is never looked at

Python slices exclude the end, so sig[i + radius] is never compared. With radius=1 the right neighbour is not checked at all, so every sample on a rising edge counts as a peak. With bigger radii a sample still wins if the only larger value is exactly radius samples to its right.

Reproduction

import numpy as np
from wfdb.processing import find_local_peaks

def reference(sig, radius):
    # what the docstring describes
    out = []
    for i in range(len(sig)):
        lo, hi = max(0, i - radius), min(len(sig), i + radius + 1)
        if sig[i] == sig[lo:hi].max():
            out.append(i)
    return out

for sig, r in [
    (np.array([0, 1, 2, 3, 2, 1, 0], dtype=float), 1),
    (np.array([0, 1, 3, 2, 10, 5, 1, 0], dtype=float), 2),
]:
    print(sig.astype(int).tolist(), "radius", r)
    print("  find_local_peaks:", find_local_peaks(sig, r).tolist())
    print("  expected        :", reference(sig, r))

Output:

[0, 1, 2, 3, 2, 1, 0] radius 1
  find_local_peaks: [0, 1, 2, 3]
  expected        : [3]
[0, 1, 3, 2, 10, 5, 1, 0] radius 2
  find_local_peaks: [2, 4]
  expected        : [4]

In the first case indices 0, 1 and 2 are all on the way up to the real maximum at index 3. In the second case index 2 (value 3) is reported even though index 4 (value 10) is only 2 samples away.

Why it matters

XQRS uses this function to pick QRS candidates (qrs.py, lines 236 and 283), so a candidate can end up on the slope next to the real peak, not on the peak itself. With real ECG sampling rates the radius is large, so this probably shows up rarely there, but anyone calling find_local_peaks directly with a small radius gets wrong results.

Possible fix

Include the right edge in both slices (sig[: i + radius + 1] and sig[i - radius : i + radius + 1]). The third loop is unreachable (already reported in #474), so it can go away in the same change. I have not touched the flat-top case that the TODO comment mentions; that looks like a separate question.

Versions

  • wfdb 4.3.1 from PyPI, and also current main (f627b5f), same output
  • numpy 2.5.3, Python 3.12.13, macOS 26.4.1
Vorherrschende Sprache
Jupyter Notebook
Sterne
853
Forks
323
Keine gemergten PRs in 30 T.

Entwicklungsumgebung

Dieses Projekt bietet weder Dev-Container noch Dockerfile noch Beitragsleitfaden – die Einrichtung liegt bei Ihnen. Beginnen Sie mit der README; die allgemeinen Schritte stehen in unserem Leitfaden für den ersten Beitrag.

Erste Schritte

  1. Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
  3. Forken Sie das Repository und arbeiten Sie in einem Branch.
  4. Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.

Mehr aus MIT-LCP/wfdb-python

Alle Issues in MIT-LCP/wfdb-python

Ähnliche Issues

Weitere Issues zu Data Engineering

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.