pandas DataFrame（Python）的基线减法/删除

Question

我有一些细胞发光的实验延时数据。不幸的是，基线会随着时间而变化（例如，参见附图，https://i.stack.imgur.com/zjlBR.png），这使得分析数据变得更加困难。对于不同的样本，基线的变化方式有些不同（例如，有些是线性减少/增加）。

我想知道是否有某种方法可以删除我的 DataFrame 中每一列的基线。我研究了 scipy 的 signal.detrend，但由于它不是完全线性的，在这种情况下它似乎没有用。在发布这个问题之前我已经搜索了几天，但我还没有找到合适的解决方案。我考虑过绘制局部最小值并减去它们，但我发现这样的工具太生硬而且不明智地在由 40 列组成的整个 DataFrame 上实现。

我还发现了 peakutils 基线模块，但我发现它并不令人满意。有什么我错过的吗？这应该远不是实验数据中的一个独特问题，所以如果 SciPy 没有合适的模块，我会感到非常惊讶。下面是我希望能够从中减去基线的数据类型示例，有效地消除周期性并使其或多或少呈线性。

import numpy as np    
n = 1000
limit_low = 0
limit_high = 0.48
my_data = np.random.normal(0, 0.5, n) \
      + np.abs(np.random.normal(0, 2, n) \
               * np.sin(np.linspace(0, 3*np.pi, n)) ) \
      + np.sin(np.linspace(0, 5*np.pi, n))**2 \
      + np.sin(np.linspace(1, 6*np.pi, n))**2
scaling = (limit_high - limit_low) / (max(my_data) - min(my_data))
my_data = my_data * scaling
my_data = my_data + (limit_low - min(my_data))

（代码由用户 Swier 提供）

Answer 1

如果我正确理解您的问题，那么您正在处理的是非平稳时间序列。这是时间序列分析中的常见问题，但有一些方法可以处理非平稳数据或使其平稳（例如去趋势）。这些操作并非微不足道，而且有多种方法，主要是从 R 等更多面向统计的语言中复制而来（例如：https://www.statsmodels.org/dev/generated/statsmodels.tsa.tsatools.detrend.html）。

LSTM 还可以处理非平稳数据。请参阅this answer 以获得更多有用的讨论。