如何用Polyfit拟合不含峰值的特定区域多项式？

问题根源排查 #

你之前的操作没消除峰值影响，大概率是峰值检测不彻底或者删除峰值后仍残留峰值相关数据，毕竟直接删峰值索引很难精准保留目标平坦区域。下面给你几个更可靠的步骤：

1. 先确认峰值检测是否准确 #

scipy.find_peaks的默认参数不一定适配你的数据，先可视化验证检测结果：

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

# 假设已去除NaN的原始x、y数据
peaks, peak_info = find_peaks(y, height=0.3, distance=8)  # 按需调height（峰值最小高度）、distance（相邻峰值最小间距）
plt.plot(x, y, label="原始数据")
plt.plot(x[peaks], y[peaks], "rx", label="检测到的峰值")
plt.legend()
plt.show()

如果图里黄色区域外的峰值没被标红，就调整height和distance参数，直到所有需要排除的峰值都被识别。

2. 直接筛选无峰值的目标区域（最靠谱的方法） #

与其删除峰值，不如直接圈出黄色标注的无峰值区域：

• 如果黄色区域是x的固定区间（比如x在10到50之间）：

  # 生成筛选掩码
  mask = (x > 10) & (x < 50)  # 替换成你的实际区间
  x_clean = x[mask]
  y_clean = y[mask]
  

• 如果黄色区域是峰值之间的平坦段（位置不固定）：
  先检测峰值和谷值，再取相邻峰谷之间的区域：

  # 检测峰值和谷值
  peaks, _ = find_peaks(y, height=0.3)
  valleys, _ = find_peaks(-y, height=-0.3)  # 取y的负数来检测谷值
  
  # 假设黄色区域是第一个峰值到第一个谷值之间的区域，按需调整索引
  mask = (x > x[peaks[0]]) & (x < x[valleys[0]])
  x_clean = x[mask]
  y_clean = y[mask]
  

3. 用清洁后的数据集拟合 #

确保用筛选后的x_clean和y_clean做拟合，而不是原始删峰值的数据：

import numpy as np

# 计算log(x)，注意x_clean不能有0或负数，否则先做处理
log_x_clean = np.log(x_clean)
# 一阶线性拟合（y = a*log(x) + b）
coeffs = np.polyfit(log_x_clean, y_clean, 1)
a, b = coeffs

# 生成拟合曲线并验证
y_fit = a * log_x_clean + b
plt.plot(log_x_clean, y_clean, "o", label="无峰值区域数据")
plt.plot(log_x_clean, y_fit, "-", label=f"拟合线: y={a:.2f}log(x)+{b:.2f}")
plt.legend()
plt.show()

4. 验证拟合效果 #

如果拟合结果还是和含峰值的没差异，检查这几点：

• 筛选后的x_clean和y_clean绘图确认是否真的无峰值
• 检查log_x_clean是否有NaN（x不能为0或负数，若有则先剔除这些点）
• 确认拟合的是log(x)和y的关系，而不是其他变量组合

内容的提问来源于stack exchange，提问作者LuLuK