使用Matplotlib绘制实验数据峰值点并排除零点的技术问询

我明白你的困扰啦——你的实验数据里每一个有效峰值点前都跟着一个零点，当前代码把所有点都画了出来，大量零点的存在直接掩盖了指数衰减的趋势。咱们只需要加一步零点过滤，就能得到你想要的纯峰值点图。

问题根源 #

你的原始代码没有对零点做筛选，导致绘图时包含了所有数据点（零点+峰值点），零点的密集分布让峰值的衰减趋势变得不明显。

修改后的完整代码 #

import numpy as np
import matplotlib.pyplot as plt

# 加载数据，跳过第一行表头
data = np.loadtxt("data.txt", skiprows=1, dtype=np.float64)
# 拆分x和y数据列
xData, yData = np.hsplit(data, 2)
x = xData[:, 0]
y = yData[:, 0]

# 核心步骤：过滤掉y值为0的零点（如果零点有微小噪声，可改用y > 1e-6这类阈值）
mask = y != 0
x_filtered = x[mask]
y_filtered = y[mask]

# 创建绘图对象并绘制峰值点
fig, ax = plt.subplots(figsize=(8, 6))
ax.plot(x_filtered, y_filtered, 'r.', markersize=4, label="Peak Points")

# 添加图表元素让结果更直观
ax.set_xlabel('X Axis')
ax.set_ylabel('Peak Value')
ax.set_title('Exponential Decay of Experimental Peaks')
ax.legend()

# 显示图像
plt.show()

关键说明 #

1. 零点过滤逻辑：用y != 0生成布尔掩码，筛选出所有非零点的峰值数据。如果你的零点不是严格等于0（比如存在实验噪声），可以把条件改成y > 1e-6（阈值根据你的数据精度调整），避免误删接近0的有效峰值。
2. 绘图优化：添加坐标轴标签、标题和图例，让图表的可读性更强。

这样处理后，所有干扰的零点都会被排除，剩下的峰值点就能清晰呈现出指数衰减的趋势啦。

内容的提问来源于stack exchange，提问作者user12298516