Python实现LabPlot风格科学数据分析工作流

在本教程中，我们探索了一种受 LabPlot 启发的 Python 科学数据分析工作流，同时保留了 LabPlot 的方面树（aspect tree）、分析内核（analysis kernels）、绘图系统和项目模型的结构与术语。我们构建了可复用的组件，用于导入表格数据、计算描述性统计量、平滑和微分信号、执行傅里叶分析与滤波、检测峰值、积分曲线、降维以及使用详细的统计诊断拟合非线性模型。随后，我们将这些工具应用于一个真实的谱学示例：去除周期性干扰、识别重叠峰、拟合多高斯模型、检查残差、通过主题化工作表可视化结果、导出图形，并将项目数据保存为与 LabPlot 兼容的 .lml 格式文件。最后，我们将相同的工作流扩展至批处理模式，以便分析多个温度依赖光谱，并对所得测量值拟合次级趋势。