第3章数据处理

第三章数据处理：TGA原始数据导出、数据清洗与预处理、基线校正方法

做TGA动力学分析，最磨人的其实不是后面的拟合计算。

而是拿到原始数据后，那一堆「脏活累活」。

我刚开始带团队的时候，有个小伙子拿着热重曲线直接跑动力学模型，结果出来的活化能忽高忽低，完全没法看。后来一查，基线都没校正，数据里还混着仪器启动时的噪声。嗯，从那以后，我定了个规矩：数据处理不过关，不准进动力学计算环节。

3.1 TGA原始数据导出——别小看这一步

不同厂家的热重仪器，导出格式五花八门。

TA Instruments 给的是 .txt 或 .xls，Netzsch 喜欢用 .csv 或 .ngb-dta，PerkinElmer 则是 .txt 带表头。我个人习惯是：统一转成纯文本 CSV，编码用 UTF-8。为什么？因为后面用 Python 读数据时，最不容易出乱码。

我的小技巧： 导出时把「温度、时间、重量、重量百分比」四列都勾上。有些软件默认只导出重量百分比，但做动力学计算时，绝对重量有时候更直观。

举个例子，我常用的导出设置是这样的：

# 导出格式示例（TA Instruments Q50）
温度单位: °C
时间单位: min
重量单位: mg
数据间隔: 0.5 s/point
导出列: Time, Temp, Weight, Weight%

你想想看，如果间隔设得太密（比如0.1秒一个点），一次实验下来几万个点，后面处理起来电脑都卡。我建议等间隔采样，0.5~1秒一个点就够用了。

3.2 数据清洗与预处理——把「垃圾」筛出去

原始数据里总有些「不干净」的东西。

比如仪器刚启动时温度还没稳定，那段数据就是废的。再比如样品突然蹦了一下（热膨胀或气泡破裂），曲线上会多个毛刺。这些都得处理掉。

我一般分三步走：

截取有效区间：去掉升温开始前的恒温段，也去掉反应结束后的平台段。只保留从室温到最终分解完成的那一段。
剔除明显异常点：用滑动窗口法，计算每个点前后5个点的均值，如果偏差超过3倍标准差，就标记为异常点并剔除。
平滑处理：我偏爱 Savitzky-Golay 滤波器，窗口选 7~11 点，多项式阶数设 2 或 3。既能去噪声，又不损失峰的形状。

  核心原则： 清洗的目的是「去伪存真」，不是「削足适履」。别为了曲线好看而过度平滑，否则动力学参数会失真。

下面是我常用的 Python 清洗代码片段：

import pandas as pd
import numpy as np
from scipy.signal import savgol_filter

# 读取原始数据
df = pd.read_csv('tga_raw.csv')

# 1. 截取有效区间（温度从 50°C 到 700°C）
df = df[(df['Temp'] >= 50) & (df['Temp'] <= 700)]

# 2. 剔除异常点（基于重量变化率）
weight_diff = np.abs(np.diff(df['Weight']))
outliers = np.where(weight_diff > 3 * weight_diff.std())[0]
df = df.drop(df.index[outliers])

# 3. Savitzky-Golay 平滑
df['Weight_smooth'] = savgol_filter(df['Weight'], window_length=9, polyorder=2)

这段代码我用了好几年，基本没出过问题。但要注意——窗口长度必须是奇数，不然会报错。我曾经因为这个卡了半小时，后来才发现是 window_length 设成了 8。

3.3 基线校正方法——把「背景」去掉

基线漂移是TGA里最烦人的问题之一。

说白了，就是仪器本身的热效应、浮力效应、坩埚重量变化等，叠加在样品信号上。如果不校正，你算出来的失重台阶可能偏大或偏小，活化能自然不准。

我常用的基线校正方法有三种：

方法	适用场景	优点	缺点
空白基线扣除法	有空白实验数据时	最准确，物理意义清晰	需要额外做一次空白实验
多项式拟合法	基线缓慢漂移	简单快速，无需额外实验	对剧烈漂移效果差
分段线性校正	基线有多个拐点	灵活，适应复杂基线	需要手动选点

我个人最推荐空白基线扣除法。 在同样条件下（相同升温速率、相同气氛、相同坩埚）做一次空跑，然后把样品曲线减去空白曲线。这样仪器自身的漂移就被干净地剔除了。

注意： 空白实验的坩埚要和样品实验用同一个批次。不同批次的坩埚，热历史不同，基线会有差异。我曾经吃过这个亏，换了坩埚批次后基线偏了 0.3%，导致活化能差了 5 kJ/mol。

如果实在没有空白数据，那就用多项式拟合。我一般选 3~5 阶多项式，拟合反应开始前和结束后的平台段，然后外插到整个温度区间。代码实现如下：

from numpy.polynomial import polynomial as P

# 选取反应前（50-150°C）和反应后（600-700°C）的平台段
mask_before = (df['Temp'] >= 50) & (df['Temp'] <= 150)
mask_after = (df['Temp'] >= 600) & (df['Temp'] <= 700)
mask_baseline = mask_before | mask_after

# 多项式拟合基线
coeffs = P.polyfit(df.loc[mask_baseline, 'Temp'], 
                   df.loc[mask_baseline, 'Weight'], 
                   deg=4)
baseline = P.polyval(df['Temp'], coeffs)

# 校正后的重量
df['Weight_corrected'] = df['Weight'] - baseline + baseline.iloc[0]

这里有个坑：多项式阶数别太高。阶数一高，基线会在中间区域乱抖，反而引入假信号。我一般不超过 5 阶。

3.4 本章知识体系一览

下面这张图，是我自己梳理的数据处理流程。每次带新人，我都先让他们看这张图，心里有个全局概念再动手。

你看，整个流程其实就三步：导出→清洗→校正。但每一步都有细节，细节里藏着坑。我见过太多人急着跑动力学模型，结果数据没处理好，算出来的活化能忽大忽小，还以为是模型选错了。其实问题就出在数据预处理上。

我的习惯： 每次处理完数据，我都会把原始曲线和校正后的曲线叠在一起对比一下。如果校正后的曲线在反应前后平台段是水平的，说明基线扣得干净。如果还有斜率，那就得重新调整基线拟合区间。

好了，数据处理这部分就聊到这儿。记住一句话：垃圾进，垃圾出。数据预处理花的时间，会在后面的动力学分析里加倍还给你。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

第三章 数据处理：TGA原始数据导出、数据清洗与预处理、基线校正方法

3.1 TGA原始数据导出——别小看这一步

3.2 数据清洗与预处理——把「垃圾」筛出去

3.3 基线校正方法——把「背景」去掉

3.4 本章知识体系一览

第三章数据处理：TGA原始数据导出、数据清洗与预处理、基线校正方法