"""Épisodes d'agitation des corr des cibles : à chaque instant, médiane entre cibles de max(|dcorr_x|,|dcorr_y|) d'une mesure à la suivante ; lissée par médiane glissante sur W mesures ; plages au-dessus de SEUIL (fusion des plages à moins de FUS mesures). Imprime aussi, par plage, error_value médiane des cibles, le max lissé, et le nombre de cibles qui « basculent » (saut > 0.2).""" import csv, glob, sys, collections, statistics as st SEUIL = float(sys.argv[1]) if len(sys.argv) > 1 else 0.007 W, FUS = 7, 6 REFS = {'92H', '8002', '8004', '8011', '8012', '8013', '8014', '8017', '8019'} rows = collections.defaultdict(dict) for f in sorted(glob.glob('data/LENZSPITZE/displacement/*.csv')): for r in csv.DictReader(open(f)): t = r['time_utc'][:16] if t >= '2026-11-01' or r['sensor_name'] in REFS: continue ok = float(r['error_value']) <= float(r['error_threshold']) and r['corr_x'] rows[t][r['sensor_name']] = (float(r['corr_x']), float(r['corr_y'])) if ok else None, float(r['error_value']) ts = sorted(rows) ag = [float('nan')]; ev = [st.median(v[1] for v in rows[ts[0]].values())]; flip = [set()] for a, b in zip(ts, ts[1:]): d = []; fl = set() for s, (c, e) in rows[b].items(): p = rows[a].get(s) if c and p and p[0]: m = max(abs(c[0] - p[0][0]), abs(c[1] - p[0][1])); d.append(m) if m > 0.2: fl.add(s) ag.append(st.median(d) if d else float('nan')); ev.append(st.median(v[1] for v in rows[b].values())); flip.append(fl) lis = [st.median([x for x in ag[max(0, i - W // 2): i + W // 2 + 1] if x == x] or [0]) for i in range(len(ts))] on = [x > SEUIL for x in lis] pl = []; i = 0 while i < len(ts): if on[i]: j = i while j + 1 < len(ts) and (on[j + 1] or any(on[j + 1: j + 1 + FUS])): j += 1 pl.append((i, j)); i = j + 1 else: i += 1 for i, j in pl: fl = collections.Counter(s for k in range(i, j + 1) for s in flip[k]) print(f"{ts[max(i-1,0)]} -> {ts[min(j+1,len(ts)-1)]} n={j-i+1:3d} agit_max={max(lis[i:j+1]):.4f} ev_med={st.median(ev[i:j+1]):.3f} bascules={dict(fl.most_common(6))}")