01
光谱数据基础与Python环境准备
光谱学基本概念（波长、强度、信噪比）、常见光谱文件格式（.txt, .csv, .spc, .jdx）、Python科学计算环境搭建（Anaconda、Jupyter Notebook）、必备库安装（numpy, scipy, matplotlib, pandas, peakutils）。
环境基础入门
02
文件批量读取与路径管理
使用os和glob模块遍历文件夹、正则表达式过滤文件名、构建文件路径列表、处理不同操作系统路径分隔符差异。
文件路径批量
03
数据解析与格式转换
使用pandas读取CSV/TXT、解析.spc文件（使用specio库）、解析.jdx文件、统一数据格式为DataFrame、处理缺失值与异常值。
解析格式pandas
04
数据清洗与预处理
去除基线漂移（多项式拟合、ALS算法）、平滑去噪（Savitzky-Golay滤波器、移动平均）、归一化（最大最小值、面积归一、向量归一）、扣除背景光谱。
清洗基线归一化
05
光谱可视化基础
使用matplotlib绘制单条光谱、设置坐标轴标签与范围、添加图例与标题、保存高质量图片（矢量图、分辨率设置）。
可视化matplotlib
06
多光谱叠加与对比
在同一画布绘制多条光谱、使用不同颜色和线型区分、添加交互式图例、绘制3D光谱堆叠图。
对比3D交互
07
特征峰识别与定位
使用scipy.signal.find_peaks进行峰值检测、设置峰高/峰宽/距离参数、峰位精确拟合（高斯/洛伦兹拟合）、计算半高宽（FWHM）。
峰值拟合FWHM
08
光谱积分与面积计算
梯形法则数值积分、分段积分、计算指定波长范围内的峰面积、背景扣除后的净面积计算。
积分面积数值
09
光谱校正
波长校正（使用标准灯谱）、强度校正（使用标准白板）、暗电流扣除、仪器响应函数校正。
校正波长强度
10
批量处理框架设计
定义主处理函数、使用循环或map函数批量处理文件、进度条显示（tqdm库）、错误处理与日志记录。
批量框架tqdm
11
数据存储与管理
将处理结果保存为CSV/Excel、使用HDF5存储大型光谱数据集、构建元数据索引、数据库（SQLite）存储光谱信息。
存储HDF5SQLite
12
光谱分类基础
基于峰位置/强度的简单阈值分类、使用scikit-learn进行KNN分类、PCA降维可视化、模型评估（混淆矩阵、准确率）。
分类KNNPCA
13
光谱聚类分析
K-means聚类、层次聚类、DBSCAN聚类、肘部法则确定聚类数、聚类结果可视化。
聚类K-meansDBSCAN
14
光谱回归分析
建立峰强度与浓度的标准曲线、线性回归、多项式回归、使用PLS（偏最小二乘）回归、模型验证（R²、RMSE）。
回归PLS标准曲线
15
光谱预处理流水线
构建可复用的预处理Pipeline（sklearn.pipeline）、参数网格搜索优化、交叉验证、保存与加载预处理模型。
Pipeline网格搜索复用
16
GUI工具开发入门
使用Tkinter或PyQt5构建简单图形界面、文件选择对话框、参数输入控件、结果显示区域。
GUITkinterPyQt5
17
自动化报告生成
使用matplotlib生成图表、使用reportlab或python-docx生成PDF/Word报告、插入表格与图片、批量生成报告。
报告PDFWord
18
光谱数据库查询
构建光谱数据库（SQLite）、SQL查询语句、按波长/强度/样品名检索、结果导出。
数据库SQL检索
19
时间序列光谱分析
处理随时间变化的光谱序列、绘制时间-波长-强度三维图、计算变化率、检测突变点。
时间序列三维变化率
20
光谱图像处理（高光谱）
读取高光谱数据立方体（.hdr, .raw）、提取特定波段图像、计算植被指数（NDVI等）、伪彩色增强。
高光谱NDVI图像
21
并行计算加速
使用multiprocessing库并行处理文件、使用joblib进行任务分发、GPU加速（cupy库）处理大规模数据、性能对比。
并行GPU加速
22
光谱数据增强
添加模拟噪声、随机偏移基线、波长微扰、生成合成光谱用于训练模型。
增强合成噪声
23
异常光谱检测
基于统计方法（Z-score、IQR）、基于距离（马氏距离）、基于模型（孤立森林）、自动标记异常样本。
异常孤立森林Z-score
24
光谱匹配与检索
计算光谱相似度（相关系数、欧氏距离、光谱角）、构建光谱库、快速最近邻检索（KD-Tree）。
匹配KD-Tree相似度
25
光谱去卷积
了解光谱卷积原理、使用Richardson-Lucy算法去卷积、分离重叠峰、提高分辨率。
去卷积RL算法分辨率
26
脚本模块化与打包
将常用函数封装为模块、创建可安装的Python包（setup.py）、编写命令行接口（argparse）、生成可执行文件（PyInstaller）。
模块打包CLI
27
版本控制与协作
使用Git管理脚本版本、GitHub/GitLab远程仓库、编写README文档、使用虚拟环境（conda/venv）管理依赖。
Git协作虚拟环境
28
自动化工作流调度
使用cron（Linux）或Task Scheduler（Windows）定时运行脚本、使用Airflow或Prefect构建复杂工作流、监控运行状态。
调度cronAirflow
29
案例实战：拉曼光谱预处理与定性分析
完整流程演示（读取→去噪→基线校正→峰识别→数据库匹配→报告生成）。
拉曼实战定性
30
案例实战：近红外光谱定量分析模型建立
完整流程演示（读取→预处理→特征选择→PLS建模→验证→部署）。
近红外定量PLS