小白第一次写论坛没什么经验就当水一贴吧(划掉)

0.问题描述：

最近入了台KC761，虽说没赶上内测，但是现在这个价格依然还是很香很香。不过言归正传，当我用手机app导出Csv文件时却发现在其他能谱app中永远对不上的问题：

聪明的小伙伴可能一下就猜出了问题所在：

是的，app里面输出的Csv文件用的是(通道,计数)的格式，而在其他软件中却被误解析为(能量,计数)的格式。这造就了谱图的大量偏移。

到这里可能有人会说：你这直接让第三方软件校正一下不就好了？

但是事实上直接校准并非易事，原因有三：

1. 没有校准源/谱图特征峰时是图谱是无法校正的。

2. 事实上KC761的通道数和对应能量值并非线性关系(一会儿我们详细讨论)，可能无法精确校正。

3. 一个通道的范围对应了多个能量值，而软件把你的一个通道理解成了一个能量值，因此图谱曲线偏高，你还需要校准相对能量值。

1.解决过程

那还是让我们自己搞定它吧:)

首先我们得搞清楚KC761通道数和能量值的关系，好在app里面可以直接看到这些数值，那么我们简单统计一下：

哎呀，竟然不是直线，不过不慌，这个时候我们就要用到珍藏多年的fx-991CN了

、

函数：$Energy=1.166\ast {10}^{-}3Channe{l}^2+1.5139hannel-128$

只能说，完美:)

不过，我们实际上要的是把Csv文件中的"假能量值"对应为"通道数"，而上面的函数是反过来的，因此我们要求上面函数的反函数。

如果是高中我大概可以秒杀掉这道题，但很可惜现在已经是个合格的大学牲了，初等数学？dbq一点也不会捏。

于是只能开始从简单的二次函数试，然后慢慢找规律。跳过一些无脑操作，反正最后总结出来二次函数的反函数是：

$y=a{x}^2+bx+c(y>x)\to x=(sqrt(4ay+b^2+4ac)-b)/2a$

嗯当然Energy-Channel函数也不例外，我们因此得以求出：

$Channel=(sqrt(4.664\ast {10}^{-}3Energy+2.88888521)-1.5139)/(2.332\ast {10}^{-}3)$

到此，数学部分大功告成，剩下的就要交给计算机了？

不过等等！

我们先看看Csv文件的格式：

只能说格式简单明了(敲代码应该会好敲很多)，但是：

实际上通道数远小于能量值数个数，因此校正时能量值数目和通道数目肯定会出现很多多对一的情况，那么对应能量值的计数个数该如何写呢？

1. 直接多个能量值全部用通道计数值？

   当然不行，这样的话虽然图像趋势不变，但是你的总计数值平白无故直接翻倍，数据可靠性大大下降。

2. 那如果我们把相同通道的能量值都除以共用该通道的个数呢？

   听起来很合理并且总计数也不会有太大影响，但是事实真的如此吗？在低能区一个通道对应2或3个能量值(事实上非整数值，只是在统计时会是2或3个)。低能区的通道的计数变化趋势基本是连续的，但在你处理的时候却有的值采取通道计数除以二，有的值采取通道计数除以三，那么处理后的数据将会是参差不齐，失去了连续性，严重影响了图像。

3. 最终我采取的方式是：将每一能量值对应的计数除以该值在Channel-Energy图像(简称C-E图了)相应位置的导数，可以理解成除以了一个该区域一个通道对应的能量值数的平均值。(求导过程略)

好的，我们求完导终于可以进入下一环节——码代码：

首先声明一下本人大学化学专业，几乎无计算机基础，只会一点Python就充一下数了。

Python
开启自动换行复制
import math
import os
import numpy as np
energy = np.arange(0.5, 4000.5, 1)  #此处填写修改能量区间范围以及最终生成文件能量区间范围
channel = []
value = []
para = []
for eachEnergy in energy:
    eachChannel = int((math.sqrt((4.664 / 1000) * eachEnergy + 2.88888521) - 1.5139) / (2.332 / 1000)) + 0.5
    channel.append(eachChannel)
    eachPara = math.sqrt((4.664 / 1000) * eachEnergy + 2.88888521)
    para.append(eachPara)
path = r"YourDirectory\"  #此处填写文件地址，相对绝对地址均可，以\结尾!
for eachfile in os.listdir(path):
    filename = eachfile
    if filename[-4:] == ".Csv":
        with open(path + filename) as rawFile:
            file = rawFile.read()
            filename = filename[:-4]
        for chs in channel:
            idx = file.find(str(chs))
            val = ""
            while (file[idx] != ','):
                idx += 1
            idx += 1
            while (file[idx] != '\n'):
                val += file[idx]
                idx += 1
            value.append(int(val))
        for i in range(len(energy) - 1):
            value[i] = int(value[i] // para[i])  #此处会导致数值变低0-1Ct，但不会影响统计学意义
        if not os.path.exists(path + filename[:-7] + '_corred' + '.Csv'):
            with open(path + filename + '_corred' + '.Csv', 'w') as newFile:
                newFile.write("Energy,data\n")
                for i in range(len(energy) - 1):
                    newFile.write(str(energy[i]) + ',' + str(value[i]) + '\n')
            os.remove(path + filename + '.Csv')
input("执行完毕，按任意键退出......")

2.效果展示

嗯然后我们运行代码看看效果？

嗯效果显著嘿嘿，我们成功第把尖峰挪回了原来的位置

不过细心的小伙伴可能又发现了，你这处理完之后怎么total count还变少了呢？

对于这个问题我们回过头来仔细看看程序，找到标有“ #此处会导致数值变低0-1Ct，但不会影响统计学意义
”的那行。由于各个能量的count只能是整数，而我们通过通道能量值(原value[i]变量)除以C-E图的导数(para[i]变量)大概率得到的是小数，因此我选择了地板除，即除完直接扔掉小数部分。这样的话肯定会使total count减小，不过每个能量值最多被减去1计数，因此并不会影响图像统计学意义。

好的，我的第一篇论坛就水到这了，不过咱就说有没有一种可能，其实这个是个app的bug，改一下导出Csv输出的内容就行233