多峰非线性曲线拟合：红色曲线平滑为蓝色曲线的技术咨询

多段小曲线拟合的可行性 #

完全可行，这是贴合原始曲线趋势同时控制平滑度的有效思路。通过分段拟合能精准匹配曲线的整体走向，避免移动平均带来的位置偏移问题；只要在拟合后对曲线做面积归一化处理，就能保证最终曲线下总面积维持100%。

Python实现方法 #

1. 三次B样条插值+面积归一化 #

利用scipy工具实现平滑插值，再通过缩放保证面积约束：

import numpy as np
from scipy.interpolate import make_interp_spline
from scipy.integrate import trapz

# 替换为你的原始数据
x = np.array([1,2,3,4,5,6,7,8,9,10])
y = np.array([...])  # 红色曲线的纵坐标值

# 生成更密集的横坐标点，提升平滑曲线的精度
x_new = np.linspace(x.min(), x.max(), 1000)

# 三次样条插值，k=3平衡平滑度与贴合度
spl = make_interp_spline(x, y, k=3)
y_smooth = spl(x_new)

# 计算初始平滑曲线的面积，再缩放至总面积100
area_initial = trapz(y_smooth, x_new)
y_smooth_scaled = y_smooth * (100 / area_initial)

2. 局部加权回归（Lowess）+归一化 #

适合噪声较多的曲线，通过局部加权拟合保留趋势：

import numpy as np
from statsmodels.nonparametric.smoothers_lowess import lowess
from scipy.integrate import trapz

x = np.array([...])
y = np.array([...])

# frac控制平滑程度，0.1~0.5之间调整，值越大越平滑
y_smooth = lowess(y, x, frac=0.2)[:, 1]

# 面积归一化
area = trapz(y_smooth, x)
y_smooth_scaled = y_smooth * (100 / area)

Excel实现方法 #

1. 分段多项式拟合+面积归一化 #

1. 按曲线趋势将数据分成3-5段（选在趋势转折点处）
2. 对每段数据使用FORECAST.LINEAR或LINEST函数拟合曲线，得到每段的拟合值
3. 用梯形法计算每段拟合曲线的面积：(上点纵坐标+下点纵坐标)/2 * 横坐标差，累加得到总面积
4. 将所有拟合纵坐标值乘以100/总面积，完成归一化

2. 内置平滑线+手动归一化 #

1. 插入散点图，添加原始数据系列
2. 右键系列→「添加趋势线」，选择「多项式」（次数设为3-5，平衡平滑度与贴合度）
3. 右键趋势线→「设置趋势线格式」→勾选「显示公式」，用公式计算所有横坐标对应的拟合值
4. 用梯形法计算拟合曲线面积，再缩放纵坐标至总面积100%

核心注意点 #

• 所有方法的关键步骤都是先平滑，再归一化：先得到贴合趋势的平滑曲线，再通过缩放纵坐标保证面积为100%，避免平滑过程中破坏位置与面积约束
• 分段拟合时，分段点选在曲线趋势突变的位置，避免过度分段导致保留噪声

内容的提问来源于stack exchange，提问作者siva