You need to enable JavaScript to run this app. 如何使用Python计算FWHM?现有实现计算结果与标准值有偏差如何修正
优惠活动
大模型
产品
解决方案
定价
更多

如何使用Python计算FWHM?现有实现计算结果与标准值有偏差如何修正

代码存在的3个核心问题

  1. 半高值计算错误
    当前代码中med_y = ((y_max-y_min)/2)仅计算了峰高的一半,而FWHM对应的Y轴阈值应为基线值叠加峰高的一半,即med_y = y_min + (y_max - y_min)/2,漏掉基线偏移是计算结果偏差的核心原因。
  2. 零交叉检测范围错误
    当前零交叉判断使用signs[0:-2] != signs[1:-1]的切片逻辑,丢失了最后一组相邻元素的对比,容易漏检右侧半高交叉点,应调整为signs[:-1] != signs[1:]覆盖全部相邻元素对。
  3. 交叉点取值逻辑鲁棒性不足
    直接取zero_crossings_i[0]和zero_crossings_i[1]的逻辑未考虑交叉点索引顺序,当输入数据存在噪声或峰型不对称时容易取反左右半高点,建议先对索引排序再取值。

修正后的完整代码

import numpy as np

def lin_interp(x, y, i, half):
    return x[i] + (x[i+1] - x[i]) * ((half - y[i]) / (y[i+1] - y[i]))


class FWHM:
    def __init__(self, xList, yList2):
        self.xList = xList
        self.yList2 = yList2
        # 计算正确的半高Y值
        y_min = min(yList2)
        y_max = max(yList2)
        med_y = y_min + (y_max - y_min) / 2

        # 修正零交叉检测逻辑
        signs = np.sign(np.subtract(yList2, med_y))
        zero_crossings = signs[:-1] != signs[1:]
        zero_crossings_i = np.where(zero_crossings)[0]

        # 排序后取左右交叉点,避免顺序错误
        zero_crossings_i_sorted = np.sort(zero_crossings_i)
        x_left = lin_interp(xList, yList2, zero_crossings_i_sorted[0], med_y)
        x_right = lin_interp(xList, yList2, zero_crossings_i_sorted[1], med_y)

        fwhm = abs(x_right - x_left)
        print(x_left, x_right, fwhm)

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.14 21:27:03