第1章光谱数据基础与Python环境准备

第一章：光谱数据基础与Python环境准备

各位同学好，我是老张。在光谱分析这行摸爬滚打了十几年，今天咱们聊聊最基础的东西——光谱数据到底是什么，以及怎么把Python环境搭起来。别小看这一步，我见过太多人因为环境没配好，后面折腾半天。

说白了，光谱就是光按波长分开后的强度分布图。你拿个棱镜对着太阳，看到的那道彩虹就是最原始的光谱。但在我们工程师眼里，光谱是三个核心参数的组合：波长、强度、信噪比。

波长决定了这是什么光。紫外光在200-400 nm，可见光在400-780 nm，近红外在780-2500 nm。我个人习惯用纳米（nm）做单位，但有些老仪器用微米（μm），换算时记得乘1000。我在项目中遇到过一台进口仪器，它输出的波长单位是波数（cm⁻¹），第一次用差点把数据搞反。

强度就是光的强弱。可以是透射率、吸光度、反射率，也可以是原始的探测器计数。这里有个坑——不同仪器的强度单位不一样。有的用任意单位（a.u.），有的用百分比。你想想看，如果混着用，后面的分析全白搭。

信噪比是信号和噪声的比值。比值越高，数据越干净。我一般要求SNR至少大于10，低于这个数，峰都找不准。为什么会这样？因为噪声会把弱峰淹没掉。嗯，这里要注意：信噪比不是固定值，它和测量时间、光强、探测器性能都有关。

核心公式：SNR = 信号均值 / 噪声标准差

实际计算时，取一段无信号区域的强度值作为噪声，有信号区域的强度值作为信号。

光谱数据的文件格式五花八门。我刚开始做这行时，光格式转换就折腾了一周。下面这四种是最常见的：

我曾经接手过一个项目，客户给了1000多个.spc文件。当时没有现成的解析库，我硬是用二进制读取写了个解析器。后来发现有个叫pySpecData的库能直接读，白费了两天功夫。所以，先查库，再动手。

小技巧：不确定文件格式时，用记事本打开看看。如果是乱码，多半是二进制格式（如.spc）。如果是数字和逗号，那就是文本格式。

Python做光谱分析，我推荐用Anaconda。为什么？因为它把Python、常用库、Jupyter Notebook打包在一起了。你想想看，如果一个个装，光依赖冲突就能让你崩溃。

去官网下载对应系统的安装包。安装时注意：勾选"Add Anaconda to PATH"。我见过有人没勾，后面命令行里找不到conda，又重装了一遍。

装完Anaconda，Jupyter Notebook就有了。在命令行输入jupyter notebook，浏览器会自动打开。我个人习惯用Jupyter做探索性分析，因为可以边写代码边看结果，还能加注释。

注意：Jupyter Notebook的默认工作目录在用户文件夹下。想改目录？在命令行先cd到目标目录，再启动jupyter。

光谱分析离不开这几个库。我列个清单，你照着装就行：

安装命令很简单：

conda install numpy scipy matplotlib pandas
pip install peakutils

这里有个细节：peakutils不在conda默认源里，所以用pip装。我建议先装conda的四个库，再装pip的。顺序反了可能会出依赖问题。

验证安装：打开Python，依次import这些库。不报错就说明装好了。

import numpy as np
import scipy
import matplotlib.pyplot as plt
import pandas as pd
import peakutils

下面这张图是我手绘的，把本章的知识结构串起来了。你保存下来，后面学起来会清晰很多。

这张图把本章内容分成了三大块：基本概念、文件格式、环境搭建。你顺着箭头看，就能明白它们之间的关系。说白了，概念是基础，格式是载体，环境是工具。三者缺一不可。

我的经验：刚开始学光谱分析，别急着跑复杂算法。先把环境搭好，把文件读进来，画个图看看。能正确画出光谱图，你就成功了一半。

好了，第一章就到这里。环境搭好了，下一章咱们就开始动手处理真实的光谱数据。到时候我会拿几个实际项目中的案例，带你们一步步走通整个流程。

公众号:蓝海资料掘金营，微信deep3321