利用python处理拉曼数据

该程序需要有三个基本的功能：扣除背底、峰拟合、峰积分。
具体代码如下

import matplotlib.pyplot as plt
import num py as np
import peakutils
#利用raman峰对数据归一化处理，通过对Raman peak 拟合得到峰值。
def normalized(intensity):
    intensity_r=intensity[:800]   #选取拉曼峰所在区域
    base=peakutils.baseline(intentity_r)  #背底拟合
    intensity_m=intensity_r-base   #扣除背底
    return  intensity/max(intensity_m)  #返回归一化数据
#从文件中读取光谱数据，根据数据格式，对数据进行截取。该程序处理的是Raman line mapping 数据。
def get_data(path):
    intensity=[]  #每个扫描点对应的光谱数据
    location=[]   #扫面点坐标
    count=1
    with open(path,"r") as f:
        for line in f.readlines():
            if count==1:    
                wavelength=[float(i) for i in line.split("\t")[1:]]   #文件中，第一行为扫描波长，获取扫描的波长范围
            else:
                tenp=[float for i in line.split("\t")]  #每行的数据切割，放到列表中
                location.append(temp[0])       #获取扫描点的坐标，
                intensity.append(temp[1:])     #获取扫描点的光谱数据，是一个列表
            count=count+1
    return np.array(location),np.array(wavelength),np.array(intensity)    #将列表转换为np.array 对象
#峰拟合，积分
def int_zpl(zpl,wavelength,amp,region_w):           
#zpl, 零声子线，即待积分的峰的位置  ,单位 nm
#wavelength  光谱数据中波长,单位nm
#amp  光谱数据中信号强度
#region_w  积分峰的宽度，单位 nm
    delta=wavelength[1]-wavelength[0]  #光谱扫描步长
    region_num=int(region_w/delta)      #将积分区域转换为计数长度
    center=int((zpl-wavelength[0])/delta)  #找到积分峰中心在光谱数据列表中的位置。
 #选出积分区域，便于扣除背底拟合峰形
    wavelength_zpl=wavelength[center-region_num:center+region_num] 
    amp_zpl=amp[center-region_num:center+region_num]
    bl=peakutils.baseline(amp_zpl,deg=1)   #背底，选为线性
#     plt.plot(wavelength_zpl,amp_zpl,"*")
#     plt.plot(wavelength_zpl,lorentz(wavelength_zpl,*popt)+bl)
    area=integrate.trapz(amp_zpl-bl,wavelength_zpl)  #对拟合峰进行积分
#     plt.show()
    return area
#%% 对mapping文件进行处理
def bat(path):
    wavelength,location,amps=get_data(path)
    amps_n=normalized(wavelength,amps)
    areas=[]
    print(location)
    zpl=737    #选择积分峰
    region_w=5/2.0   #选定积分区域，单位nm
    for amp in amps:    每个循环处理一个点的光谱数据
        area=int_zpl(zpl,wavelength,amp,region_w)
        areas.append(area)
    areas=np.array(areas)
    plt.plot(location,areas)
    np.savetxt("d:/plot/结果/raman/"+str(zpl)+"s.txt",np.column_stack((location,areas)),fmt="%.4f",delimiter="\t")  #保存数据
def main():
    path="d:/plot/raman/sd128.txt"
    bat(path)
if __name__ == "__main__" :
    main()
本文一方面是自己对该方法的总结，另一方面也是给有需要的人的参考。本人所知有限，如有更科学的分析方法，请务必告知，也欢迎一起交流学习。