我在尝试查找某些数据的FWHM时遇到问题。我最初尝试使用interpolate.interp1d拟合曲线。有了这个，我能够创建一个函数，当我输入一个x值时，它将返回一个内插的y值。问题是我需要与此功能相反。换句话说，我想切换我的独立变量和因变量。当我尝试切换它们时，由于必须对独立数据进行排序，因此会出现错误。如果对数据进行排序，则将丢失索引，因此将丢失图形的形状。
我试过了：
x = np.linspace(0, line.shape[0], line.shape[0])
self.x_curve = interpolate.interp1d(x, y, 'linear')
其中
y是我的数据。为了得到相反的结果，我尝试了：
self.x_curve = interpolate.interp1d(sorted(y), x, 'linear')
但值已关闭。
然后，我继续尝试使用UnivariateSpline并获取根来查找FWHM（此问题来自Finding the full width half maximum of a peak），但是roots（）方法始终为我提供一个空列表
[]。这是我使用的：
x_curve = interpolate.UnivariateSpline(x, y)
r = x_curve.roots()
print(r)
这是数据的图像（带有UnivariateSpline）：
有任何想法吗？谢谢。
最佳答案
仅当您移动数据以使其在FWHM处的值为0时，使用UnivariateSpline.roots()来获取FWHM才有效。
看到数据的背景嘈杂，我先估算一下基线。例如：
y_baseline = y[(x<200) & (x>350)].mean()
（请根据需要调整
x的限制）。然后移动数据，使基线和峰的中间为0。如示例所示，看到您的数据有最小值而不是最大值，我使用的是y.min()：y_shifted = y - (y.min()+y_baseline)/2.0
现在，将样条曲线拟合到该移位后的数据，并且
roots()应该能够找到根，其不同之处在于FWHM。x_curve = interpolate.UnivariateSpline(x, y_shifted, s=0)
x_curve.roots()
如果要根据平滑数据估算FWHM，请增加
s参数。