30个CSV文件绘制直方图、高斯拟合求峰均值标准差及代码问题咨询

报错修复 #

你遇到的np.arange相关报错是因为Python内置min()/max()无法直接处理多维numpy数组，np.all()为逻辑判断函数，仅返回单个布尔值，完全不适合用来取极值。正确写法如下：

import numpy as np
# numpy的全局极值函数会自动展平数组，读取所有元素的最大/最小值
Xs = np.arange(np.min(voltages), np.max(voltages), 0.05)

直方图逻辑校验 #

第三个峰幅度过低可按以下两点排查：

• 调整np.histogram的bin参数：bin数量过少会合并相邻峰，过多会拆分低幅峰为离散碎点，优先用bins='auto'让numpy自动计算最优bin数
• 调整savgol_filter平滑参数：窗口长度必须为奇数，且远小于峰的宽度，窗口过大会直接抹平低幅峰，常规三峰场景设置窗口长度为5、多项式阶数为2即可：

from scipy import signal
counts, bins = np.histogram(voltages, bins='auto')
bin_centers = (bins[:-1] + bins[1:]) / 2
smooth_counts = signal.savgol_filter(counts, window_length=5, polyorder=2)

绘图标签不显示修复 #

设置label后未显示的核心原因是未调用图例渲染函数，完整绘图流程参考：

import matplotlib.pyplot as plt
plt.hist(voltages.flatten(), bins='auto', label='原始直方图')
plt.plot(bin_centers, smooth_counts, c='orange', label='平滑后直方图')
plt.xlabel('电压(V)')
plt.ylabel('频数')
# 必须添加该行才能渲染所有label
plt.legend()
plt.show()

三峰高斯拟合实现 #

直接拼接单高斯函数即可得到多峰拟合函数，用scipy的curve_fit工具完成拟合，参考代码：

from scipy.optimize import curve_fit

# 单高斯函数：A为振幅，mu为均值，sigma为标准差
def gauss(x, A, mu, sigma):
    return A * np.exp(-(x - mu)**2 / (2 * sigma**2))

# 三峰高斯函数为三个单高斯的叠加
def tri_gauss(x, A1, mu1, sigma1, A2, mu2, sigma2, A3, mu3, sigma3):
    return gauss(x, A1, mu1, sigma1) + gauss(x, A2, mu2, sigma2) + gauss(x, A3, mu3, sigma3)

# 设置拟合初值，根据直方图的峰位、峰高、峰宽手动调整，初值越接近真实值拟合成功率越高
# 初值顺序：A1, mu1, sigma1, A2, mu2, sigma2, A3, mu3, sigma3
p0 = [100, 1, 0.2, 80, 2, 0.2, 30, 3, 0.2]
# 执行拟合
popt, pcov = curve_fit(tri_gauss, bin_centers, smooth_counts, p0=p0)

拟合输出的popt数组已包含所有目标参数：

• 三个峰的均值依次为popt[1]、popt[4]、popt[7]
• 三个峰的标准差依次为popt[2]、popt[5]、popt[8]

峰参数获取方案 #

优先通过高斯拟合结果获取峰均值和标准差，精度远高于直接定位局部最大值，可有效规避噪声干扰。如果需要直接定位峰位，可使用scipy的峰值检测工具：

from scipy.signal import find_peaks
# height为最小峰高阈值，distance为相邻峰最小间隔，根据实际数据调整
peaks, _ = find_peaks(smooth_counts, height=20, distance=10)
# peaks对应的bin中心坐标即为峰位
peak_centers = bin_centers[peaks]

多峰单独标准差计算 #

若通过高斯拟合已得到sigma参数可直接使用，无需额外计算。如果需要用原始数据单独计算每个峰的标准差，可按峰位切分对应区间的数据后再调用np.std：

# 以第一个峰在1附近为例，切分0.8~1.2区间内的原始电压数据
peak1_data = voltages[(voltages > 0.8) & (voltages < 1.2)]
peak1_std = np.std(peak1_data)

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