基线减法/删除数据帧（Python）

我有一些细胞发光的实验延时数据。不幸的是，基线会随着时间的推移而变化（例如，见附图），这使得分析数据变得更加困难。对于不同的样本，基线的变化方式有所不同（例如，有些是线性减少/增加）

我想知道是否有办法删除数据帧中每列的基线。我已经研究了scipy的signal.detrend，但由于它不是完全线性的，所以在这种情况下它似乎没有什么用处。在发布这个问题之前，我已经搜索了好几天，但我还没有找到一个合适的解决方案。我考虑过绘制局部极小值并减去它们，但我发现这是一个太钝的工具，不明智地在由40列组成的整个数据帧上实现

我还发现peakutils基线模块，但我发现它不令人满意。有什么我错过的吗？这在实验数据中应该不是一个独特的问题，所以如果SciPy没有一个合适的模块，我会非常惊讶。下面是一个数据类型的示例，我希望能够从中减去基线，有效地消除周期性并使其或多或少线性化

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）

如果我正确理解了您的问题，那么您正在处理一个非平稳时间序列。这是时间序列分析中的一个常见问题，但有一些方法可以处理非平稳数据或使其平稳（如去趋势化）。这些操作并不琐碎，而且有各种方法，主要是从面向统计的语言（如R）复制而来

---

LSTM还可以处理非平稳数据。有关更多有用的讨论，请参阅。

请提供一个链接（没有图像/链接，只有文本）。我很抱歉。我对Python还是一个新手，在学习的过程中不断学习。我真的不知道如何为随机噪声信号编写一个简短的代码，也不可能只附加一个数据帧样本。但是，我设法从一个旧问题中找到了一个问题，并将其添加进去。statsmodels模块的问题是我必须指定顺序。当一些似乎是第二顺序，而另一些似乎是第一顺序时，这就成了问题。我想我可以根据这个创建两个不同的数据帧，然后尝试这个模块。但我仍然希望有一个解决方案能够直接处理数据帧，因为这将简化我的工作，因为我有20个不同的解决方案（来自独立实验）。