遍历CSV文件夹存储数据至数组时遇权限错误与循环逻辑问题，寻求高斯拟合实现方案

我来帮你一步步梳理并解决这些问题：

首先分析你遇到的核心问题 #

1. Errno 3: Permission denied 权限错误 #

你代码里写的open(path,"r")，其中path是文件夹路径，不是单个CSV文件的路径。Python无法直接读取文件夹的内容，必须遍历location列表里的每个CSV文件路径，逐个打开文件。

2. While循环的错误 #

• Python的关键字是小写的while，不是While（大小写敏感）
• 你的需求是遍历所有CSV文件，用for循环遍历location列表才是正确的逻辑，While location=True:这种写法完全不符合需求，因为location是文件路径的列表，永远不会等于布尔值True。

3. 数据存储的逻辑优化 #

如果是要把所有CSV文件的x、y数据合并到同一个数组里，当前的xData和yData列表是可行的；如果需要区分不同文件的数据，可以考虑用二维列表或者字典存储，比如all_data = {"filename": {"x": [], "y": []}}，不过先按你原本的需求实现合并存储。

修正后的完整代码（含读取、绘图、高斯拟合） #

import csv
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
from scipy.optimize import curve_fit
from scipy import asarray as ar, exp
import lmfit
from glob import glob
import os
from lmfit import Parameters, minimize, report_fit, Model

# 定义高斯函数（用于拟合）
def gaussian(x, amp, cen, wid):
    return amp * exp(-(x-cen)**2 / (2*wid**2))

# 文件夹路径
path = r'E:\Users\ConfocalUser\Documents\GitHub\qudi'
# 获取所有CSV文件路径
csv_files = glob(os.path.join(path, '*.csv'))

xData = []
yData = []

# 遍历每个CSV文件
for file_path in csv_files:
    print(f"正在读取文件: {os.path.basename(file_path)}")  # 打印当前读取的文件名
    try:
        with open(file_path, "r") as f_in:
            reader = csv.reader(f_in)
            next(reader)  # 跳过表头行
            for line in reader:
                # 确保每行至少有两列数据
                if len(line) >= 2:
                    try:
                        float_1 = float(line[0])
                        float_2 = float(line[1])
                        xData.append(float_1)
                        yData.append(float_2)
                    except ValueError:
                        print(f"跳过无效行: {line}")
                        continue
    except PermissionError:
        print(f"无法读取文件 {file_path}: 权限被拒绝")
    except Exception as e:
        print(f"读取文件 {file_path} 时出错: {str(e)}")

# 转换为numpy数组（方便后续绘图和拟合）
xData = np.array(xData)
yData = np.array(yData)

# 绘制原始数据散点图
plt.figure(figsize=(10,6))
plt.scatter(xData, yData, label='原始数据', s=5)

# 使用lmfit进行高斯拟合
gmodel = Model(gaussian)
# 设置初始参数猜测（amp:振幅, cen:中心, wid:宽度）
params = gmodel.make_params(amp=np.max(yData), cen=np.mean(xData), wid=np.std(xData))
# 执行拟合
result = gmodel.fit(yData, params, x=xData)

# 打印拟合结果报告
print("\n拟合结果报告:")
report_fit(result)

# 生成拟合曲线的x值和y值
x_fit = np.linspace(np.min(xData), np.max(xData), 1000)
y_fit = result.eval(x=x_fit)

# 绘制拟合曲线
plt.plot(x_fit, y_fit, 'r-', label='高斯拟合曲线')
plt.xlabel('X值')
plt.ylabel('Y值')
plt.title('X-Y数据及高斯拟合')
plt.legend()
plt.grid(True)
plt.show()

代码说明 #

1. 文件读取部分：

   • 用os.path.join(path, '*.csv')拼接路径，避免不同系统的路径分隔符问题
   • 增加了异常捕获，处理权限错误和其他读取异常，同时打印错误信息方便排查
   • 增加了判断每行是否有至少两列数据，避免索引越界错误

2. 高斯拟合部分：

   • 定义了标准高斯函数
   • 使用lmfit.Model来构建拟合模型，设置合理的初始参数猜测（基于原始数据的最大值、均值、标准差）
   • 生成拟合曲线并和原始数据一起绘图

3. 绘图部分：

   • 用散点图展示原始数据，折线图展示拟合曲线
   • 添加了坐标轴标签、标题、图例和网格，让图表更清晰

内容的提问来源于stack exchange，提问作者Angela Mary