第2章：光谱数据加载与可视化

各位好，欢迎来到光谱数据清洗的第一站。说实话，很多新手拿到光谱数据后，第一件事就是急着建模、找差异。我个人的建议是——先别急，先看看你的数据长什么样。

这一章，我们就来聊聊怎么把光谱数据读进来，再画出来。你想想看，数据都没看清楚，你怎么知道它有没有问题？

2.1 光谱数据的常见格式

在实际项目中，我遇到过至少十几种不同的光谱数据格式。但最常见的，无非这三种：

格式	特点	常见来源
CSV	纯文本，逗号或制表符分隔	通用、实验室自建系统
SPA	Thermo Scientific 专用二进制格式	Nicolet 系列红外光谱仪
ASCII	纯文本，通常两列（波数、吸光度）	老旧仪器、第三方软件导出

嗯，这里要注意：SPA 格式是二进制文件，不能直接用记事本打开。我曾经有个同事，拿记事本打开 SPA 文件，看到一堆乱码，还以为仪器坏了……

2.2 用 Python 读取光谱数据

我个人习惯用 pandas 处理 CSV 和 ASCII，用 pySPA 处理 SPA 格式。下面给出三种格式的读取示例。

2.2.1 读取 CSV 格式

import pandas as pd

# 假设 CSV 文件有两列：Wavenumber, Absorbance
df = pd.read_csv('sample_spectrum.csv')
wavenumber = df['Wavenumber'].values
absorbance = df['Absorbance'].values

这里有个小坑：有些 CSV 文件第一行不是列名，而是仪器信息。记得加 skiprows=1 跳过它。

2.2.2 读取 ASCII 格式

import numpy as np

# ASCII 文件通常用空格或制表符分隔
data = np.loadtxt('sample_spectrum.txt')
wavenumber = data[:, 0]
absorbance = data[:, 1]

为什么用 np.loadtxt 而不是 pd.read_csv？说白了，ASCII 文件往往没有表头，用 NumPy 更直接。

2.2.3 读取 SPA 格式

# 需要安装 pySPA: pip install pyspa
from pyspa import SPAFile

spa = SPAFile('sample_spectrum.spa')
wavenumber = spa.x
absorbance = spa.y

2.3 绘制原始光谱图

数据读进来了，下一步就是画图。我用 Matplotlib 画了十几年光谱图，有些习惯一直没变。

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 4))
plt.plot(wavenumber, absorbance, color='steelblue', linewidth=0.8)
plt.xlabel('Wavenumber (cm⁻¹)')
plt.ylabel('Absorbance')
plt.title('Raw Spectrum - Sample #001')
plt.gca().invert_xaxis()  # 波数通常从高到低显示
plt.tight_layout()
plt.show()

注意最后一行 invert_xaxis()。光谱图的横坐标习惯从高波数到低波数，也就是 4000 在左边，400 在右边。我第一次画图时忘了这步，被导师说了一顿。

2.4 初步观察数据质量

画完图，别急着关。盯着图看 10 秒钟，你能发现很多信息。

2.4.1 看基线

基线平不平？有没有整体漂移？我见过最夸张的一次，基线从 0 漂到了 0.5，原因是样品池没洗干净。

2.4.2 看噪声

光谱曲线是不是毛刺很多？尤其在 2000-2500 cm⁻¹ 区域，如果噪声明显，说明仪器状态可能不太好。

2.4.3 看异常峰

有没有不该出现的峰？比如水汽峰（~1640 cm⁻¹ 和 ~3400 cm⁻¹）或者 CO₂ 峰（~2350 cm⁻¹）。

2.5 本章知识体系

下面这张图，是我自己总结的光谱数据加载与可视化的核心逻辑。你跟着这个流程走，基本不会漏掉关键步骤。

这张图其实就说了三件事：读进来、画出来、看一眼。别小看这「看一眼」，它能帮你省掉后面 80% 的排查时间。

好了，这一章就到这里。数据加载和可视化是基本功，练熟了后面才能走得顺。下一章我们聊聊光谱去噪，那又是一个有意思的话题。

---

公众号:蓝海资料掘金营，微信deep3321