Maintained by FTIR.fun Technical Editorial Team · Editorial method

Ep 53 — 开源工具篇（上）：SpectroChemPy、pybaselines

系列：红外光谱百科：从原理到实战
篇章：第五篇 · 仪器与工具篇 — 开源生态（Ep 46–55 后段）
适合人群：希望提升数据处理效率的技术人员、研究生、化学计量学爱好者、Python 用户
前置知识：Ep 18（谱图处理）、Ep 19（库检索）、Ep 20（定量分析）、Ep 52（商业软件评析）
阅读时间：约 45 分钟

引子：当 Python 遇上红外光谱

某博士生小陈用 Bruker INVENIO 采集了一批催化剂原位红外数据，要研究 CO 在 Pt/Al₂O₃ 上的吸附。他打开 OPUS 软件准备做基线校正——发现 OPUS 内置的算法对这种"全谱严重倾斜 + 强吸收区附近基线弯曲"的复杂情况处理不好。他又试了 OMNIC 试用版，依然不满意。

导师说："你用 Python 试试 pybaselines，200 多种基线算法。"

小陈花了 1 小时学习，写了一段 20 行的 Python 代码，跑出结果——基线校正效果远超商业软件默认算法。从此他入了开源光谱工具的"坑"。

"Python + 开源光谱库正在改变光谱学的数据分析生态。它不再只是商业软件的'补充'，而已经成为科研工作流的核心。"
—— 改编自 Applied Spectroscopy 2023 评论 [1]

本集将系统评析三款开源光谱 Python 工具：SpectroChemPy（化学光谱全流程框架）、pybaselines（基线校正算法库）、spectrapepper（入门级光谱分析包）。每款都配有 GitHub 链接、star 数、实操代码，并给出"何时选开源、何时仍需商业软件"的判断框架。

💡 本集定位：Ep 52 评商业软件，Ep 53–54 评开源软件。开源不是"免费版商业软件"，而是"灵活可定制的科研工具"。两集配合是 Python 用户的光谱工具箱。

一、开源光谱工具生态概览

1.1 为什么需要开源工具

商业 FTIR 软件（OMNIC、OPUS、Spectrum）功能完善但有以下局限 [1][2]：

封闭算法：用户不知道基线校正、平滑的具体实现，无法复现；
扩展性差：无法自定义新算法、新模型；
批量处理弱：对数百张谱图做复杂处理时，GUI 操作低效；
跨平台差：仅 Windows，无 Linux/Mac 版（OPUS 部分除外）；
机器学习集成弱：现代数据分析（深度学习、贝叶斯优化）需 Python 生态；
价格高：模块化收费，高级功能单独购买。

开源工具的优势 [1][2][3]：

算法透明：源码可查，结果可复现；
完全可定制：自定义算法、流程、可视化；
Python 生态：与 NumPy、SciPy、scikit-learn、PyTorch 无缝衔接；
跨平台：Windows、Linux、Mac 全支持；
免费：无 license 限制。

1.2 开源光谱工具的"明星榜"

GitHub 上"FTIR / spectroscopy"主题的活跃开源项目（截至 2024 年）[2][3]：

| 项目 | Star 数 | 主要用途 | 本集覆盖 |
|------|---------|---------|---------|
| HyperSpy | ~560 | 多维光谱（成像）分析 | Ep 54 |
| pybaselines | ~189 | 基线校正算法库（star 数随时间变化，撰写时约百级）| ✅ 本集 |
| SpectroChemPy | ~177 | 化学光谱全流程框架 | ✅ 本集 |
| Orange-Spectroscopy | ~140 | 拖拽式可视化工作流 | Ep 54 |
| spectrapepper | ~100+ | 入门级光谱分析包 | ✅ 本集 |
| NIRS4ALL | ~80 | NIR 变换 + 深度学习 | Ep 54 |
| pyspectrakit | ~50 | 轻量级核心操作 | Ep 54 |

表 1：开源光谱工具 GitHub star 数（数据来源：GitHub topic "spectroscopy" / "ftir"，2024 年）

🔗 延伸：ftir.fun 是中文友好的在线光谱工具补充，提供 Web 端的谱图查看、峰识别、库检索，无需编程即可快速分析。

二、SpectroChemPy：化学光谱的全流程 Python 框架

2.1 项目概览

SpectroChemPy 是由法国激光与应用物理化学研究所（LCP-A2S）的 Arnaud Travert 团队开发的开源 Python 框架，专为化学光谱（IR、Raman、NIR、UV-Vis、NMR）设计 [3][4]。

GitHub：https://github.com/spectrochempy/spectrochempy
文档：https://www.spectrochempy.fr/
Star 数：~177（截至 2024 年）
License：CeCILL-B（法国版 MIT，商业友好）
首次发布：2019 年
Python 版本：3.8+

图 1：SpectroChemPy GitHub 主页（来源：https://github.com/spectrochempy/spectrochempy）

2.2 核心特色：NDDataset 数据结构

SpectroChemPy 最核心的创新是 NDDataset 数据结构 [3][4]：

from spectrochempy import NDDataset

# 创建一个光谱数据集
dataset = NDDataset(
    absorbance_data,        # 二维数组：样品 × 波数
    coordset=[
        ('samples', sample_names),       # 第一维：样品名
        ('wavenumbers', wn_array, 'cm⁻¹')  # 第二维：波数 + 单位
    ],
    title='Absorbance',
    units='absorbance',
    name='Catalyst_CO_Adsorption',
    history='2024-07-15: collected on INVENIO R',
    author='Bob',
)

NDDataset 相比 NumPy ndarray 的优势 [3][4]：

元数据一体化：坐标（波数、温度、时间）、单位、标题、历史记录都与数据绑定；
单位感知：自动处理 cm⁻¹ ↔ nm、Abs ↔ %T 等转换；
切片语义清晰：dataset[:, '4000::1'] 表示"所有样品、4000 cm⁻¹ 起每隔 1 cm⁻¹"；
可追溯：每次操作自动追加到 history，符合 FAIR 数据原则；
可视化集成：dataset.plot() 直接出图，坐标轴单位自动标注。

2.3 全流程覆盖

SpectroChemPy 覆盖光谱分析的全流程 [3][4]：

读取 → 预处理 → 分析 → 建模 → 可视化 → 导出
 │       │        │       │        │       │
 │       │        │       │        │       └ CSV, JCAMP-DX, HDF5
 │       │        │       │        └ matplotlib, plotly
 │       │        │       └ PLS, PCA, MCR-ALS
 │       │        └ 峰检出, 曲线拟合, 积分
 │       └ 基线, 平滑, 归一化, ATR校正, 求导
 └ OMNIC (.spa), OPUS (.opu), JCAMP-DX (.jdx), SPA, CSV

① 读取多厂商格式 [3][4]：

from spectrochempy import read

# 读取 Thermo OMNIC .spa 文件
ds_omnic = read('sample.spa')

# 读取 Bruker OPUS .opu 文件
ds_opus = read('sample.opu')

# 读取 JCAMP-DX .jdx 文件
ds_jcamp = read('sample.jdx')

# 读取 CSV（需指定列）
ds_csv = read('sample.csv', csv_delimiter=',')

这是 SpectroChemPy 最强大的功能之一——直接读取商业软件私有格式，无需先导出转换 [3]。

② 预处理 [3][4]：

# 基线校正（内置多种算法）
ds_bc = ds_omnic.baseline_correct(method='als', lam=1e7, p=0.01)

# 平滑（Savitzky-Golay）
ds_sm = ds_bc.smooth(method='sg', window_size=9, polyorder=2)

# 归一化
ds_norm = ds_sm.normalize(method='max')

# 求导
ds_d2 = ds_norm.derivative(order=2, window_size=11, polyorder=3)

③ 多元曲线分辨（MCR-ALS） [3][4]：
MCR-ALS 是 SpectroChemPy 的招牌功能，适合混合物光谱分解：

from spectrochempy import MCRALS

# 假设 ds 是反应过程的多张谱图（时间 × 波数）
mcr = MCRALS(ds, n_components=3, max_iter=100)
mcr.fit()

# 输出：3 个组分的纯光谱 + 浓度曲线
pure_spectra = mcr.ST  # 组分光谱
concentrations = mcr.C  # 浓度矩阵

pure_spectra.plot()
concentrations.plot()

④ 可视化 [3][4]：

import spectrochempy as scp

# 单张谱图
ds.plot(title='Catalyst CO Adsorption', color='red')

# 多张谱图叠加
scp.plot_multi(ds1, ds2, ds3, labels=['A', 'B', 'C'])

# 3D 表面图
ds.plot_3D()

# 热图（反应过程数据）
ds.plot_waterfall()

2.4 教学价值

SpectroChemPy 的 API 设计贴近化学家语言（baseline_correct 而非 baseline_correct），文档详尽，是学习光谱 Python 处理的最佳入口 [3][4]。

完整教学示例——读取聚苯乙烯谱图并处理：

import spectrochempy as scp

# 1. 读取数据（示例数据集）
ds = scp.read('irdata/nh4y-activation.spa')

# 2. 截取感兴趣区域
ds = ds[:, '4000::650']  # 4000-650 cm⁻¹

# 3. 基线校正（ALS）
ds_bc = ds.baseline_correct(method='asls', lam=1e5, p=0.01)

# 4. 平滑
ds_sm = ds_bc.smooth(method='sg', window_size=9, polyorder=2)

# 5. 归一化
ds_norm = ds_sm.normalize(method='max')

# 6. 可视化
ds_norm.plot(title='NH4Y Activation', colormap='viridis')

# 7. 导出
ds_norm.write('processed.jdx')  # JCAMP-DX 格式
ds_norm.write('processed.csv')  # CSV 格式

2.5 何时选 SpectroChemPy

适合 [3][4]：

化学光谱全流程处理（读取 → 处理 → 建模 → 可视化）；
多厂商数据整合（直接读 .spa / .opu）；
教学（API 友好，文档详尽）；
MCR-ALS 等高级分解；
需要元数据可追溯（FAIR 数据原则）。

不适合：

单一基线校正任务（用 pybaselines 更轻量）；
FPA 成像数据（用 HyperSpy）；
拖拽式工作流（用 Orange-Spectroscopy）；
极致性能（核心仍是 NumPy，对超大矩阵无优化）。

三、pybaselines：基线校正算法的"百科全书"

3.1 项目概览

pybaselines 由 derb12（GitHub 用户名）开发，是专注基线校正的 Python 库，提供 200+ 种基线校正算法，是 FTIR topic 中 star 数最高的项目 [2][5]。

GitHub：https://github.com/derb12/pybaselines
文档：https://pybaselines.readthedocs.io/
Star 数：撰写时约百级量级（截至笔记日期；请以 GitHub 当日页面为准，勿当作永久排名）
License：BSD-3-Clause（最宽松开源协议之一）
首次发布：2020 年
Python 版本：3.8+

图 2：pybaselines GitHub 主页（来源：https://github.com/derb12/pybaselines）

3.2 为什么基线校正是预处理最关键的一步

基线校正是光谱预处理中最影响后续分析结果的环节 [5][6][7]：

峰位偏移：基线弯曲会让峰位判断偏移 1–5 cm⁻¹；
峰面积失真：基线高则峰面积虚高，定量误差可达 20%+；
假峰风险：高阶多项式过度校正会"挖出"假峰；
下游影响：基线校正后的谱图是 PLS、PCA、库检索的输入，错误传播。

"在光谱分析的所有预处理步骤中，基线校正的影响最大、争议最多、最容易出错。"
—— Liland K H, Applied Spectroscopy 2011 [6]

pybaselines 的价值在于：把 200+ 种算法统一到一致的 API，让你快速对比、选择最适合的算法 [5]。

3.3 算法分类

pybaselines 把基线算法分为 8 大类 [5]：

| 类别 | 代表算法 | 适用场景 |
|------|---------|---------|
| 多项式 | Poly, ModPoly, IModPoly, Polynomial | 简单倾斜、弯曲 |
| Whittaker | AsLS, IAsLS, AirPLS, ArPLS, DrPLS | 复杂弯曲、宽峰 |
| ALS | AsLS, IAsLS, arPLS, asPLS | 现代主力，对宽峰不敏感 |
| Morphological | Mor, Imor, AMor | 形态学，适合尖锐峰 |
| Window | Noise, Noisy | 滑动窗口 |
| Spline | mixture, mixture_mod | 平滑样条 |
| Baseline | Dietrich, CWT, FUNP | 小波、频率域 |
| Optimization | Custom, Cole | 优化方法 |

表 2：pybaselines 算法分类（综合 [5][6]）

3.4 四大主力算法对比

① AsLS（Asymmetric Least Squares） [6][7]

由 Eilers & Boelens 提出，是现代基线校正的"标准"算法；
原理：非对称加权最小二乘 + 二阶差分平滑；
参数：lam（平滑度，1e5–1e9）、p（非对称性，0.001–0.1）；
适合：大多数场景，对宽峰不敏感。

② arPLS（Asymmetrically Reweighted Penalized Least Squares） [5][7]

AsLS 的改进版，自动调整权重；
对基线变化更敏感，适合快速漂移；
参数：lam 通常需要 1e6–1e8。

③ AirPLS（Adaptive Iteratively Reweighted Penalized Least Squares） [5]

自适应权重，对峰的识别更智能；
适合复杂重叠峰。

④ SNIP（Statistics-sensitive Non-linear Iterative Peak-clipping） [5]

适合光谱（最初为原子光谱设计）；
对尖锐峰保留好。

3.5 实操：同一谱图用不同算法对比

下面用 pybaselines 对一张严重倾斜的催化剂红外谱图做基线校正对比 [5]：

import numpy as np
import matplotlib.pyplot as plt
from pybaselines.whittaker import asls, arpls, airpls
from pybaselines.polynomial import modpoly
from pybaselines.morphological import mor

# 加载数据（假设 wn 是波数，y 是吸光度）
data = np.loadtxt('catalyst.csv', delimiter=',', skiprows=1)
wn, y = data[:, 0], data[:, 1]

# 5 种算法
baselines = {
    'AsLS (lam=1e7, p=0.01)': asls(y, lam=1e7, p=0.01)[0],
    'arPLS (lam=1e7)':        arpls(y, lam=1e7)[0],
    'airPLS':                 airpls(y)[0],
    'ModPoly (order=4)':      modpoly(y, x=wn, poly_order=4)[0],
    'Mor (window=50)':        mor(y, half_window=50)[0],
}

# 可视化对比
fig, axes = plt.subplots(2, 3, figsize=(15, 8))
axes = axes.flatten()

axes[0].plot(wn, y, 'k-', lw=0.5)
axes[0].set_title('Original')
for ax, (name, base) in zip(axes[1:], baselines.items()):
    ax.plot(wn, y, 'k-', lw=0.5, label='Original')
    ax.plot(wn, base, 'r-', lw=1.5, label='Baseline')
    ax.plot(wn, y - base, 'b-', lw=0.8, label='Corrected')
    ax.set_title(name)
    ax.legend(fontsize=8)
plt.tight_layout()
plt.savefig('baseline_comparison.png', dpi=150)

典型对比结果 [5][6]：

| 算法 | 计算时间 | 宽峰保留 | 倾斜校正 | 推荐场景 |
|------|---------|---------|---------|---------|
| AsLS | 快（< 1 s）| 一般 | 好 | 通用首选 |
| arPLS | 中（1–3 s）| 好 | 极好 | 快速漂移 |
| airPLS | 中（2–5 s）| 极好 | 极好 | 复杂重叠峰 |
| ModPoly | 极快（< 0.1 s）| 差（高阶）| 中 | 简单倾斜 |
| Mor | 快（< 1 s）| 差 | 中 | 尖锐峰 |

表 3：pybaselines 五大算法对比（综合 [5][6][7]）

3.6 参数调优经验

AsLS / arPLS 的 lam 参数 [5][6]：

lam 控制 baseline 的平滑度，越大越平滑；
经验范围：1e5（弯曲多）– 1e9（接近线性）；
默认 1e6 是好的起点；
视觉判断：基线"贴底"但不"挖峰"，调到合适。

p 参数（仅 AsLS）[6]：

控制 asymmetric 程度，越小越偏向峰以下；
默认 0.01；
对宽峰谱图（如水溶液），可调到 0.001。

调试技巧 [5]：

# 自动尝试多个 lam，挑最优
from pybaselines.whittaker import arpls
lams = [1e5, 1e6, 1e7, 1e8, 1e9]
for lam in lams:
    base = arpls(y, lam=lam)[0]
    corrected = y - base
    # 计算"峰以下区域"的方差（应该最小）
    below = corrected[corrected < 0]
    score = np.var(below) if len(below) > 0 else 0
    print(f"lam={lam}: score={score:.4f}")

3.7 何时选 pybaselines

适合 [5][6]：

商业软件默认基线算法效果不佳；
需要批量、可复现的基线校正；
研究新基线算法、对比算法；
任何 Python 光谱处理流程的"基线步骤"。

不适合：

全流程光谱分析（用 SpectroChemPy）；
可视化工作流（用 Orange）；
商业软件默认算法已满足需求时（避免增加复杂度）。

💡 实用建议：把 pybaselines 作为 SpectroChemPy 的"插件"使用——SpectroChemPy 读数据 + 元数据，pybaselines 做基线，再回到 SpectroChemPy 做后续分析 [3][5]。

四、spectrapepper：入门级光谱分析包

4.1 项目概览

spectrapepper 是一个入门级光谱分析 Python 包，API 简洁，适合作为"第一段光谱代码" [2][8]。

GitHub：https://github.com/spectrapepper/spectrapepper
文档：https://spectrapepper.github.io/spectrapepper/
Star 数：~100+（截至 2024 年）
License：MIT
首次发布：2022 年
Python 版本：3.7+

图 3：spectrapepper GitHub 主页（来源：https://github.com/spectrapepper/spectrapepper）

4.2 核心特色

① API 极简 [8]：

import spectrapepper as spe

# 读取 CSV
data = spe.load('sample.csv')

# 基线校正
baseline = spe.baseline(data)
corrected = data - baseline

# 平滑
smoothed = spe.smooth(corrected, window=9)

# 峰检出
peaks = spe.find_peaks(smoothed, threshold=0.05)
print(peaks)

② 入门友好 [8]：

函数名直观（load, baseline, smooth, find_peaks）；
默认参数即合理值；
文档含大量教程示例。

③ 适合教学 [8]：

课堂上能 5 分钟内让学生跑通第一段光谱代码；
代码可读性高，便于讲解每步原理。

4.3 主要功能

spectrapepper 提供的核心功能 [8]：

数据 I/O：CSV、TXT、部分厂商格式；
预处理：基线校正（多项式 + ALS）、平滑（SG）、归一化；
峰分析：峰检出、峰面积、半峰宽；
多元分析：PCA、PLS（基于 scikit-learn）；
可视化：matplotlib 包装；
光谱对比：相关系数、余弦相似度。

4.4 完整示例

import spectrapepper as spe
import matplotlib.pyplot as plt

# 1. 读取
sample = spe.load('unknown.csv')
reference = spe.load('reference.csv')

# 2. 预处理
sample_bc = spe.baseline_correction(sample)
sample_sm = spe.savitzky_golay(sample_bc, window=9, order=2)

reference_bc = spe.baseline_correction(reference)
reference_sm = spe.savitzky_golay(reference_bc, window=9, order=2)

# 3. 峰检出
peaks = spe.find_peaks(sample_sm, height=0.05, distance=10)
print(f"Found {len(peaks)} peaks at: {peaks}")

# 4. 相似度
similarity = spe.cosine_similarity(sample_sm, reference_sm)
print(f"Similarity to reference: {similarity:.3f}")

# 5. 可视化
plt.figure(figsize=(10, 5))
plt.plot(sample_sm, label='Sample')
plt.plot(reference_sm, label='Reference', alpha=0.7)
for p in peaks:
    plt.axvline(p, color='r', linestyle='--', alpha=0.3)
plt.legend()
plt.savefig('comparison.png', dpi=150)

4.5 何时选 spectrapepper

适合 [8]：

光谱 Python 初学者；
教学场景（学生第一次接触光谱编程）；
简单分析（不需要复杂算法）；
快速原型验证想法。

不适合：

复杂基线校正（用 pybaselines）；
多厂商格式读取（用 SpectroChemPy）；
高级化学计量学（直接用 scikit-learn）；
大规模数据生产环境（API 抽象过多，灵活性受限）。

五、对比与选型

5.1 三款工具对比

| 维度 | SpectroChemPy | pybaselines | spectrapepper |
|------|---------------|-------------|---------------|
| 定位 | 全流程框架 | 专注基线 | 入门级 |
| Star 数 | ~177 | ~189 | ~100+ |
| 学习曲线 | 中 | 平缓 | 极平缓 |
| 功能丰富度 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐（专精）| ⭐⭐⭐ |
| 数据 I/O | ⭐⭐⭐⭐⭐（多厂商）| 仅数组 | ⭐⭐⭐ |
| 基线算法 | 内置少数 | 200+ | 内置少数 |
| 多元分析 | PCA, MCR-ALS | 无 | PCA, PLS |
| 可视化 | 集成 | 无 | 集成 |
| 教学价值 | 高 | 中 | 极高 |
| 生产环境 | 适合 | 适合（基线步骤）| 适合（简单任务）|

表 4：三款开源光谱工具对比

5.2 选型决策树

你的需求是什么？
   │
   ├─ 全流程光谱处理（读取→处理→建模）
   │   └─ SpectroChemPy
   │
   ├─ 仅需基线校正（且商业软件不够）
   │   └─ pybaselines
   │
   ├─ 入门 / 教学 / 快速原型
   │   └─ spectrapepper
   │
   ├─ 多维成像数据（FPA）
   │   └─ HyperSpy（见 Ep 54）
   │
   ├─ 拖拽式工作流
   │   └─ Orange-Spectroscopy（见 Ep 54）
   │
   └─ 跨平台 / 在线查看
       └─ ftir.fun

图 4：开源光谱工具选型决策树

5.3 组合使用案例

真实工作流示例：催化剂原位红外数据分析 [3][5]：

# 1. SpectroChemPy 读取多厂商数据
import spectrochempy as scp
ds = scp.read('catalyst_in_situ.spa')

# 2. pybaselines 做基线校正（更精细）
from pybaselines.whittaker import arpls
import numpy as np

# 转为数组处理
y = ds.data.T  # 样品 × 波数 → 波数 × 样品
baselines = np.array([arpls(yi, lam=1e7)[0] for yi in y.T])
corrected = y - baselines.T

# 转回 NDDataset
ds_bc = scp.NDDataset(
    corrected,
    coordset=ds.coordset,
    title='Baseline-corrected',
    history='arPLS baseline correction (pybaselines)'
)

# 3. SpectroChemPy 做后续分析（MCR-ALS）
mcr = scp.MCRALS(ds_bc, n_components=3)
mcr.fit()

# 4. 可视化
mcr.ST.plot(title='Pure component spectra')
mcr.C.plot(title='Concentration profiles')

# 5. 导出
mcr.ST.write('pure_components.csv')

这种组合（SpectroChemPy 读数据 + pybaselines 做基线 + SpectroChemPy 做后续）是 2024 年开源光谱分析的常见做法 [3][5]。

六、何时仍需商业软件

开源工具强大，但并非万能 [1][2]。以下场景仍建议商业软件：

6.1 GMP / FDA 合规环境

商业软件有 21 CFR Part 11 认证（审计追踪、电子签名）[1]；
开源工具无合规认证，制药 QC 中使用风险高；
数据完整性（Data Integrity）要求软件版本可追溯、操作不可篡改。

6.2 仪器原生控制

商业软件与仪器硬件深度集成（采集控制、附件识别）[1]；
开源工具大多只能处理已导出的数据，不能直接控制仪器采集；
例外：部分开源项目（如 Solis）支持仪器控制，但生态弱。

6.3 大型商业谱库

Sadtler、Aldrich、Hummel 等大型商业谱库只在商业软件中完整集成 [1]；
开源工具只能用 NIST WebBook 等免费库（见 Ep 55）；
库检索算法本身开源可实现，但库内容版权是障碍。

6.4 标准化方法验证

USP <854>、Ph.Eur. 2.2.24 等药典方法有指定软件流程 [1]；
商业软件有验证文档支持；
开源工具需自行做完整方法验证。

6.5 团队协作与培训

大团队中，GUI 商业软件培训成本低；
开源工具要求 Python 基础；
跨实验室协作时，统一商业软件更易对接。

💡 判断框架：生产环境（QC、GMP）优先商业；科研、原型、定制分析优先开源。 两者并不冲突，常组合使用 [1][2]。

七、开源工具的"踩坑"提示

7.1 坑 1：版本兼容性

情境：升级 SpectroChemPy 0.4 → 0.6 后，老代码报错 [3]。

原因：开源项目 API 不稳定，主版本升级常有 breaking changes。

对策：

用 requirements.txt 或 environment.yml 锁定版本；
升级前阅读 CHANGELOG；
关键代码用虚拟环境隔离（venv / conda）。

7.2 坑 2：依赖冲突

情境：安装 pybaselines 后，与已有 NumPy 版本冲突 [5]。

对策：

# 用 conda 隔离环境
conda create -n spectra python=3.10
conda activate spectra
pip install spectrochempy pybaselines spectrapepper

7.3 坑 3：算法误用

情境：用 arPLS 校正一张 4000 cm⁻¹ 处有强 O-H 宽峰的谱图，结果 O-H 峰被"挖掉"一半 [6]。

对策：

大宽峰（O-H 3400、N-H 3300）容易被基线算法误判；
校正前先看谱图，避开宽峰区；
用 mask 参数排除宽峰区：

from pybaselines.whittaker import arpls
# 排除 3000-3700 cm⁻¹ 的 O-H 区
mask = (wn < 3000) | (wn > 3700)
base = arpls(y, lam=1e7, mask=mask)[0]

7.4 坑 4：单位混乱

情境：SpectroChemPy 读取的波数单位是 cm⁻¹，但 plot 时显示 nm [3]。

对策：

显式指定单位；
用 NDDataset 的单位感知功能：

ds.units = 'cm^-1'  # 强制
ds.x.units = 'cm^-1'

7.5 坑 5：可视化样式不一致

情境：不同工具画的谱图样式差异大，论文中混用难看 [3][5]。

对策：

统一用 matplotlib，自定义样式：

import matplotlib.pyplot as plt
plt.style.use('seaborn-v0_8-whitegrid')
plt.rcParams.update({
    'figure.figsize': (10, 5),
    'font.size': 12,
    'axes.labelsize': 14,
    'axes.titlesize': 14,
    'legend.fontsize': 10,
})

配图（本集关键示意）

📷 图 5：仪器能力对比示意

来源：真实/开源图片 · Project case study — PE spectrum（已加水印 ftir.fun）

📷 图 6：光路/附件概念

来源：真实/开源图片 · Unsplash — chemistry lab（已加水印 ftir.fun）

📷 图 7：软件/数据库工作流

来源：ftir.fun 教学示意图（带水印；非实测谱，仅供理解概念）

本集小结

| 核心知识点 | 要点 |
|-----------|------|
| 开源工具优势 | 算法透明、可定制、Python 生态、跨平台、免费 |
| 商业软件优势 | 合规、仪器控制、商业库、培训成本低 |
| SpectroChemPy | 全流程框架，NDDataset 元数据一体化，多厂商格式读取 |
| NDDataset | 数据 + 坐标 + 单位 + 历史一体化，FAIR 数据原则 |
| SpectroChemPy 强项 | MCR-ALS、多厂商 I/O、教学价值高 |
| pybaselines | 200+ 基线算法，FTIR topic star 最高 |
| 基线校正重要性 | 影响峰位、峰面积、下游分析，最易出错 |
| 主力算法 | AsLS（通用）、arPLS（漂移）、airPLS（复杂）、SNIP（尖峰）|
| lam 参数 | 平滑度，1e5–1e9，默认 1e6 |
| p 参数 | 非对称性，0.001–0.1，默认 0.01 |
| spectrapepper | 入门级，API 简洁，教学首选 |
| 选型框架 | 全流程→SpectroChemPy；基线→pybaselines；入门→spectrapepper |
| 组合做法 | SpectroChemPy 读 + pybaselines 校 + SpectroChemPy 析 |
| 仍需商业软件 | GMP、仪器控制、大型库、方法验证、团队协作 |
| 常见踩坑 | 版本兼容、依赖冲突、宽峰误判、单位混乱、样式不一 |

思考题

你有一批 Bruker OPUS 采集的催化剂原位红外数据（50 张谱图），需要做基线校正 + MCR-ALS 分解。请设计一个完整的 Python 工作流，说明 SpectroChemPy 和 pybaselines 各自承担什么角色，并写出关键代码。
用 pybaselines 对同一张严重倾斜的聚苯乙烯谱图分别用 AsLS、arPLS、airPLS、ModPoly（order=4）做基线校正。请设计一个量化指标来比较四种算法的效果（提示：考虑峰以下区域的方差、峰位稳定性、宽峰保留度）。
解释为什么 AsLS 算法对水溶液蛋白质谱图（1640 cm⁻¹ 有强水峰）的基线校正效果可能不好。应该如何调整参数或选择其他算法？参考 ftir.fun 水分子官能团页。
一位制药公司 QC 主管问："开源光谱工具能否替代 OMNIC 用于 GMP 释放检测？"请基于 21 CFR Part 11、USP <854>、数据完整性等角度，给出一个结构化的回答。
用 spectrapepper 写一段代码，读取 5 张 CSV 谱图，对每张做基线校正 + 平滑 + 峰检出，输出每张图的峰位列表到 CSV。说明这段代码相比在 OMNIC 中手动操作的优劣。

参考文献

[1] Smith B C. "Open Source Software for FTIR Data Analysis." Spectroscopy, 2023, 38(7): 12–18.
https://www.spectroscopyonline.com/

[2] GitHub. "Topic: ftir." https://github.com/topics/ftir

[3] Travert A, et al. "SpectroChemPy: A Python Framework for Processing Spectral Data." Journal of Open Source Software, 2022, 7(71): 3904. DOI:10.21105/joss.03904.
项目地址：https://github.com/spectrochempy/spectrochempy
文档：https://www.spectrochempy.fr/

[4] SpectroChemPy Documentation. "NDDataset: Core Data Structure."
https://www.spectrochempy.fr/gettingstarted/nddataset.html

[5] Pybaselines Documentation. "Pybaselines: A Python Library for Baseline Correction."
项目地址：https://github.com/derb12/pybaselines
文档：https://pybaselines.readthedocs.io/

[6] Liland K H, Rukke E H, Olsen E F, et al. "Customized Baseline Correction." Applied Spectroscopy, 2011, 65(8): 907–915. DOI:10.1366/10-06124.

[7] Eilers P H C, Boelens H F M. "Baseline Correction with Asymmetric Least Squares Smoothing." Leiden University Medical Centre Report, 2005.

[8] spectrapepper Documentation. "Spectrapepper: Simple Spectral Analysis."
项目地址：https://github.com/spectrapepper/spectrapepper
文档：https://spectrapepper.github.io/spectrapepper/

[9] ftir.fun. "在线红外光谱工具."
https://ftir.fun

[10] McKinney W. "Data Structures for Statistical Computing in Python." Proc. SciPy 2010.（NumPy / pandas 基础）

下一集预告：Ep 54 — 开源工具篇（下）：HyperSpy、Orange-Spectroscopy
上集讲了通用光谱框架，下集转向两大"专精"工具：HyperSpy（多维光谱成像分析标杆，~560 stars，FPA 数据处理首选）和 Orange-Spectroscopy（拖拽式可视化工作流，零编程门槛）。还会介绍轻量级 SpectraKit 和深度学习框架 NIRS4ALL。配 FPA 成像数据立方体处理、PLS 模型搭建的完整实操。

本文使用 CC BY-NC-SA 4.0 许可。配图来自公开领域或已标注来源的网络资源，版权归原作者所有。

Ep 53 — 开源工具篇（上）：SpectroChemPy、pybaselines

引子：当 Python 遇上红外光谱

一、开源光谱工具生态概览

1.1 为什么需要开源工具

1.2 开源光谱工具的"明星榜"

二、SpectroChemPy：化学光谱的全流程 Python 框架

2.1 项目概览

2.2 核心特色：NDDataset 数据结构

2.3 全流程覆盖

2.4 教学价值

2.5 何时选 SpectroChemPy

三、pybaselines：基线校正算法的"百科全书"

3.1 项目概览

3.2 为什么基线校正是预处理最关键的一步

3.3 算法分类

3.4 四大主力算法对比

3.5 实操：同一谱图用不同算法对比

3.6 参数调优经验

3.7 何时选 pybaselines

四、spectrapepper：入门级光谱分析包

4.1 项目概览

4.2 核心特色

4.3 主要功能

4.4 完整示例

4.5 何时选 spectrapepper

五、对比与选型

5.1 三款工具对比

5.2 选型决策树

5.3 组合使用案例

六、何时仍需商业软件

6.1 GMP / FDA 合规环境

6.2 仪器原生控制

6.3 大型商业谱库

6.4 标准化方法验证

6.5 团队协作与培训

七、开源工具的"踩坑"提示

7.1 坑 1：版本兼容性

7.2 坑 2：依赖冲突

7.3 坑 3：算法误用

7.4 坑 4：单位混乱

7.5 坑 5：可视化样式不一致

配图（本集关键示意）

本集小结

思考题

参考文献

Supporto online