资深博导:我以为数据预处理是常识,直到遇到自己的学生

cnblogs 2024-06-27 08:13:00 阅读 60

大侠幸会,在下全网同名「算法金」 0 基础转 AI 上岸,多个算法赛 Top 「日更万日,让更多人享受智能乐趣」

在光谱学领域,数据预处理是不可或缺的一环。

本文将基于 NIR soil 近红外光谱数据,运用 Python 语言进行数据处理,并通过图表直观反映预处理带来的变化。(数据集:后台回复 [ NIR soil ] 获取 )

常用的光谱数据预处理技术包括:

  1. MSC(多元散射校正)
  2. SNV(标准正规化变换)
  3. 光谱微分
  4. 基线校正
  5. 去趋势

一、MSC(多元散射校正)

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from sklearn.preprocessing import StandardScaler

# 读取数据

nirsoil_df = pd.read_csv(path)

# 提取光谱数据

spectra = nirsoil_df.filter(like='spc.')

# 进行MSC预处理

def msc(input_data):

# 计算参考光谱(均值光谱)

ref_spectrum = np.mean(input_data, axis=0)

# 初始化校正后的光谱数据矩阵

corrected_spectra = np.zeros_like(input_data)

for i in range(input_data.shape[0]):

fit = np.polyfit(ref_spectrum, input_data[i, :], 1, full=True)

corrected_spectra[i, :] = (input_data[i, :] - fit[0][1]) / fit[0][0]

return corrected_spectra

# 应用MSC

msc_spectra = msc(spectra.values)

# 可视化对比

plt.figure(figsize=(12, 6))

# 原始光谱

plt.subplot(1, 2, 1)

plt.plot(spectra.values.T, color='blue', alpha=0.1)

plt.title('Original Spectra')

plt.xlabel('Wavelength Index')

plt.ylabel('Reflectance')

# MSC校正后的光谱

plt.subplot(1, 2, 2)

plt.plot(msc_spectra.T, color='red', alpha=0.1)

plt.title('MSC Corrected Spectra')

plt.xlabel('Wavelength Index')

plt.ylabel('Reflectance')

plt.tight_layout()

在输出的图片中,左侧显示的是原始光谱数据,右侧显示的是经过MSC(多元散射校正)处理后的光谱数据。

原始光谱(左侧图)

  • 颜色和形状:每条蓝色的线代表一个样本的光谱数据,颜色浅且分布较散。
  • 特点:可以观察到光谱数据在某些波长处的反射率(Reflectance)存在一定的波动,这可能是由于散射效应和基线漂移引起的。

MSC校正后的光谱(右侧图)

  • 颜色和形状:每条红色的线代表一个样本的校正后的光谱数据,颜色浅且分布较集中。
  • 特点:校正后的光谱数据在各个波长处的反射率(Reflectance)更加一致,减少了由散射效应和基线漂移引起的变化。整体曲线更加平滑,差异性减少。

总结

  • 变化:经过MSC处理后,光谱数据在整体上变得更加一致和平滑,减少了不必要的噪音和变动,使得数据更适合后续的分析和建模。
  • 意义:MSC处理通过消除光谱数据中的散射效应和基线漂移,提高了数据的质量,增强了不同样本之间的可比性。

防失联,进免费知识星球交流。算法知识直达星球:https://t.zsxq.com/ckSu3

更多内容,见免费知识星球

二、SNV(标准正规化变换)

# 提取光谱数据

spectra = nirsoil_df.filter(like='spc.')

# 进行SNV预处理

def snv(input_data):

# 每个样本减去其均值,然后除以其标准差

corrected_spectra = (input_data - np.mean(input_data, axis=1, keepdims=True)) / np.std(input_data, axis=1, keepdims=True)

return corrected_spectra

# 应用SNV

snv_spectra = snv(spectra.values)

# 可视化对比

plt.figure(figsize=(12, 6))

# 原始光谱

plt.subplot(1, 2, 1)

plt.plot(spectra.values.T, color='blue', alpha=0.1)

plt.title('Original Spectra')

plt.xlabel('Wavelength Index')

plt.ylabel('Reflectance')

# SNV校正后的光谱

plt.subplot(1, 2, 2)

plt.plot(snv_spectra.T, color='green', alpha=0.1)

plt.title('SNV Corrected Spectra')

plt.xlabel('Wavelength Index')

plt.ylabel('Reflectance')

plt.tight_layout()

plt.show()

在输出的图片中,左侧显示的是原始光谱数据,右侧显示的是经过SNV(标准正规化变换)处理后的光谱数据。

原始光谱(左侧图)

  • 颜色和形状:每条蓝色的线代表一个样本的光谱数据,颜色浅且分布较散。
  • 特点:可以观察到光谱数据在某些波长处的反射率(Reflectance)存在一定的波动,这可能是由于样本间的差异和噪声引起的。

SNV校正后的光谱(右侧图)

  • 颜色和形状:每条绿色的线代表一个样本的校正后的光谱数据,颜色浅且分布较集中。
  • 特点:校正后的光谱数据在各个波长处的反射率(Reflectance)变得更加一致,样本间的差异和噪声显著减少。每条曲线的均值为零,标准差为一,使得所有光谱都在同一个尺度上。

总结

  • 变化:经过SNV处理后,光谱数据的均值被中心化为零,标准差被标准化为一,减少了由于不同样本间的散射效应和噪声带来的影响。
  • 意义:SNV处理通过对每个样本的光谱数据进行均值中心化和标准化,消除了样本间的散射效应,提高了数据的一致性和可比性,使得数据更适合后续的分析和建模。

三、光谱微分

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

# 读取数据

# nirsoil_df = pd.read_csv('path_to_your_csv.csv')

# 提取光谱数据

spectra = nirsoil_df.filter(like='spc.')

# 进行光谱微分处理

def spectral_derivative(input_data, order=1):

if order == 1:

derivative_spectra = np.diff(input_data, n=1, axis=1)

elif order == 2:

derivative_spectra = np.diff(input_data, n=2, axis=1)

else:

raise ValueError("Only first and second order derivatives are supported.")

return derivative_spectra

# 一阶微分

first_derivative = spectral_derivative(spectra.values, order=1)

# 二阶微分

second_derivative = spectral_derivative(spectra.values, order=2)

# 可视化对比

plt.figure(figsize=(12, 6))

# 一阶和二阶微分

plt.plot(first_derivative[0, :], label='1st Derivative', color='black')

plt.plot(second_derivative[0, :], label='2nd Derivative', color='red')

plt.title('Spectral Derivatives')

plt.xlabel('Wavelength Index')

plt.ylabel('Reflectance')

plt.legend()

plt.grid(True)

plt.show()

在输出的图片中,我们同时展示了一阶微分和二阶微分处理后的光谱数据

一阶微分(黑色线)

  • 特点:一阶微分曲线展示了光谱数据在各个波长处的变化率。它突出了光谱曲线的斜率变化,强调了光谱数据中快速变化的区域。
  • 用途:一阶微分处理可以减少基线漂移的影响,并增强光谱中微弱的特征和变化。这对于区分类似的光谱样本非常有用。

二阶微分(红色线)

  • 特点:二阶微分曲线展示了光谱数据的曲率变化率。它进一步强调了光谱曲线的局部最大值和最小值,突出了更细微的变化。
  • 用途:二阶微分处理可以进一步减少基线漂移和噪声的影响,并提供更多关于光谱中细节特征的信息。这对于精细分析光谱数据中的细节特征非常有用。

总结

  • 变化:一阶和二阶微分处理后,光谱数据的变化率和曲率变化率被突出展示,增强了光谱中细节特征的可见性,减少了基线漂移和噪声的影响。
  • 意义:导数处理通过强调光谱数据的变化率和曲率变化率,提供了更清晰的特征和模式,有助于后续的分析和建模。

抱个拳,送个礼

点击 ↑ 领取

四、基线校正

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from scipy.sparse import diags

from scipy.sparse.linalg import spsolve

# 读取数据

# nirsoil_df = pd.read_csv('path_to_your_csv.csv')

# 提取光谱数据

spectra = nirsoil_df.filter(like='spc.')

# 进行AsLS基线校正

def baseline_als(y, lam=1e5, p=0.01, niter=10):

L = len(y)

D = diags([1, -2, 1], [0, -1, -2], shape=(L, L-2))

D = lam * D.dot(D.T)

w = np.ones(L)

for i in range(niter):

W = diags(w, 0, shape=(L, L))

Z = W + D

z = spsolve(Z, w*y)

w = p * (y > z) + (1-p) * (y < z)

return z

def baseline_correction(input_data):

corrected_spectra = np.zeros_like(input_data)

for i in range(input_data.shape[0]):

baseline_values = baseline_als(input_data[i, :])

corrected_spectra[i, :] = input_data[i, :] - baseline_values

return corrected_spectra

# 应用基线校正

corrected_spectra = baseline_correction(spectra.values)

# 可视化对比

plt.figure(figsize=(12, 6))

# 原始光谱

plt.subplot(1, 2, 1)

plt.plot(spectra.values.T, color='blue', alpha=0.1)

plt.title('Original Spectra')

plt.xlabel('Wavelength Index')

plt.ylabel('Reflectance')

# 基线校正后的光谱

plt.subplot(1, 2, 2)

plt.plot(corrected_spectra.T, color='green', alpha=0.1)

plt.title('Baseline Corrected Spectra')

plt.xlabel('Wavelength Index')

plt.ylabel('Reflectance')

plt.tight_layout()

plt.show()

在输出的图片中,左侧显示的是原始光谱数据,右侧显示的是经过基线校正处理后的光谱数据。

原始光谱(左侧图)

  • 颜色和形状:每条蓝色的线代表一个样本的光谱数据,颜色浅且分布较散。
  • 特点:可以观察到光谱数据在各个波长处的反射率(Reflectance)存在一定的基线漂移和噪声,这可能是由测量误差和环境因素引起的。

基线校正后的光谱(右侧图)

  • 颜色和形状:每条绿色的线代表一个样本的校正后的光谱数据,颜色浅且分布较集中。
  • 特点:校正后的光谱数据在各个波长处的反射率(Reflectance)变得更加一致,基线漂移被去除,噪声显著减少。曲线的整体趋势更加平滑和稳定。

总结

  • 变化:经过基线校正处理后,光谱数据的基线漂移被有效去除,减少了由测量误差和环境因素带来的影响,使得光谱数据更加清晰和稳定。
  • 意义:基线校正处理通过去除光谱数据中的基线漂移,提高了数据的质量和一致性,便于后续的分析和建模。

防失联,进免费知识星球交流。算法知识直达星球:https://t.zsxq.com/ckSu3

免费知识星球,欢迎加入交流

五、去趋势

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from scipy.signal import detrend

# # 读取数据

# nirsoil_df = pd.read_csv('path_to_your_csv.csv')

# 提取光谱数据

spectra = nirsoil_df.filter(like='spc.')

# 进行去趋势处理

def detrending(input_data):

detrended_spectra = detrend(input_data, axis=1)

return detrended_spectra

# 应用去趋势处理

detrended_spectra = detrending(spectra.values)

# 可视化对比

plt.figure(figsize=(12, 6))

# 原始光谱

plt.subplot(1, 2, 1)

plt.plot(spectra.values.T, color='blue', alpha=0.1)

plt.title('Original Spectra')

plt.xlabel('Wavelength Index')

plt.ylabel('Reflectance')

# 去趋势后的光谱

plt.subplot(1, 2, 2)

plt.plot(detrended_spectra.T, color='brown', alpha=0.1)

plt.title('Detrended Spectra')

plt.xlabel('Wavelength Index')

plt.ylabel('Reflectance')

plt.tight_layout()

plt.show()

在输出的图片中,左侧显示的是原始光谱数据,右侧显示的是经过去趋势处理后的光谱数据。

原始光谱(左侧图)

  • 颜色和形状:每条蓝色的线代表一个样本的光谱数据,颜色浅且分布较散。
  • 特点:光谱数据在各个波长处的反射率(Reflectance)存在一定的趋势,这些趋势可能是由实验条件、测量误差等因素引起的。

去趋势后的光谱(右侧图)

  • 颜色和形状:每条棕色的线代表一个样本的去趋势处理后的光谱数据,颜色浅且分布较集中。
  • 特点:去趋势处理后,光谱数据中各个波长处的趋势被去除,数据更加平稳和一致,减少了由实验条件、测量误差等因素带来的系统性偏差。

总结

  • 变化:经过去趋势处理后,光谱数据中的系统性趋势被去除,光谱曲线更加平稳和一致,减少了外部因素带来的系统性偏差。
  • 意义:去趋势处理通过去除光谱数据中的系统性趋势,提高了数据的质量和一致性,使得光谱数据更适合后续的分析和建模。

更多内容,见微*公号往期文章: 审稿人:拜托,请把模型时间序列去趋势!!

[ 抱个拳,总个结 ]

- 科研为国分忧,创新与民造福 -

日更时间紧任务急,难免有疏漏之处,还请大侠海涵 内容仅供学习交流之用,部分素材来自网络,侵联删

[ 算法金,碎碎念 ]

全网同名,日更万日,让更多人享受智能乐趣

如果觉得内容有价值,烦请大侠多多 分享、在看、点赞,助力算法金又猛又持久、很黄很 BL 的日更下去;

同时邀请大侠 关注、星标 算法金,围观日更万日,助你功力大增、笑傲江湖



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。