如何使用Python为CSV文件中的数据拟合高斯分布

首先提前安装所需依赖：
pip install pandas numpy lmfit matplotlib

1. 导入依赖库 #

import pandas as pd
import numpy as np
from lmfit.models import GaussianModel
import matplotlib.pyplot as plt

2. 读取CSV数据 #

默认你的CSV文件包含两列：自变量x（如波长、时间）、因变量y（如信号强度、计数），替换对应列名和文件路径即可：

# 替换为你的CSV文件实际路径
df = pd.read_csv("your_data.csv")
# 替换为你CSV里对应的列名
x = df["x_column"].values
y = df["y_column"].values

可选预处理：如果数据包含无关区间，可以先截取包含高斯峰的部分数据再做拟合，提升拟合准确率。

3. 初始化高斯模型 #

lmfit内置的GaussianModel已经封装了标准高斯函数：y = A * exp(-(x-μ)²/(2σ²))，其中A为峰值幅度，μ为峰值中心，σ为分布标准差。

gmodel = GaussianModel()

4. 设置拟合初始参数 #

新手可以先用内置的参数自动估算方法，自动生成初始值：

params = gmodel.guess(y, x=x)

如果自动拟合效果不佳，可手动指定初始值和取值范围，示例如下：

# 手动设置峰值中心初始值为10，允许浮动范围8~12
params['center'].set(value=10, min=8, max=12)
# 手动设置标准差初始值为0.8，最小值不低于0.2
params['sigma'].set(value=0.8, min=0.2)
# 手动设置峰值幅度初始值为20
params['amplitude'].set(value=20)

5. 执行拟合计算 #

result = gmodel.fit(y, params, x=x)

6. 查看拟合结果 #

打印拟合报告 #

报告包含各个参数的拟合值、误差、拟合优度R²等核心指标：

print(result.fit_report())

可视化拟合效果 #

直观对比原始数据和拟合曲线的匹配度：

# 绘制原始散点数据
plt.scatter(x, y, label="原始数据", s=12, color="lightgray")
# 绘制拟合曲线
plt.plot(x, result.best_fit, label="高斯拟合曲线", color="crimson", linewidth=2)
plt.xlabel("x")
plt.ylabel("y")
plt.legend()
plt.show()

多峰拟合拓展 #

如果需要同时拟合多个高斯峰，可叠加多个高斯模型实例，通过prefix参数区分不同峰的参数即可：

# 定义两个高斯峰的拟合模型
gmodel = GaussianModel(prefix="peak1_") + GaussianModel(prefix="peak2_")
# 后续分别给peak1_center、peak2_center等参数设置初始值再拟合即可

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