图片

用于在 PI-ICR 质谱实验中将高斯混合模型作为数据分析工具实施的软件包。piicrgmms 于 2020 年秋季首次开发，用于阿贡国家实验室（美国伊利诺伊州莱蒙特）的加拿大彭宁陷阱 (CPT) 质谱仪的 PI-ICR 实验。它最初以 GMMClusteringAlgorithms的形式发布，但被重新打包为 piicrgmms 以准备发表即将发表的有关其使用的期刊文章。

piicrgmms 的核心是scikit-learn 包中的“混合”模块的修改版本。 修改后的版本sklearn_mixture_piicr保留了与原始版本相同的所有组件。此外，它包含两个具有受限拟合算法的类：使用期望最大化算法的高斯混合模型拟合，其中分量均值的相位维度不是参数，以及贝叶斯高斯混合拟合，其中分量的 数量不是范围。

该软件包的其余部分通过使用 4 个类以及用于显示结果和调试的可视化方法，有助于快速、直观地使用高斯混合模型算法。

1. 数据框

• 该类负责处理来自位置敏感微通道板（PS-MCP）检测器的原始数据。它目前仅适用于列表模式 (.lmf) 文件，这是 CoboldPC 使用的文件类型，CPT 使用该软件记录位置敏感微通道板 (PS-MCP) 的数据。作为属性，它以数组和 pandas DataFrame 形式保存处理后的数据，以及任何数据切割。CoboldPC 是 RoentDek 的产品。

2. GaussianMixtureModel

• 此类将高斯混合模型拟合到 DataFrame 对象。作为参数，它需要：
  1. 笛卡尔/极坐标
  2. 要使用的组件数量
  3. 协方差矩阵类型
  4. 信息标准
• 允许“严格”拟合，即在指定组件数量的情况下进行拟合。
• 聚类数据时包括进度条。

3.贝叶斯高斯混合

• 与 GaussianMixtureModel 类完全相同，但使用 scikit-learn 中的 BayesianGaussianMixture 类而不是 GaussianMixtureModel 类。
• 没有进度条。

4. PhaseFirstGaussian模型

• 实现首先拟合相位维度的拟合，然后是对两个空间维度的 GMM 拟合，其中分量均值的相位维度是固定的。发现这种类型的拟合特别适用于有许多物种的数据集。
• 仅适用于极坐标
• 包括进度条。

每个模型类还包括以多种方式可视化结果的能力（聚类结果、一维直方图、概率密度函数）以及将拟合结果复制到剪贴板以粘贴到 Excel 电子表格中的能力。

例子

数据框

由于该软件包旨在用于 PI-ICR 实验，并且许多此类实验已经依赖于 RoentDek 技术，因此假设数据已经收集并存储在 .lmf 文件中。第一步是读取和处理文件，可以使用以下代码完成：

import piicrgmms.classes as pgc

file = 'C:\here\is\the\path\to\the_file.lmf'
df = pgc.DataFrame(file)
df.process_lmf()

处理 .lmf 文件后，对象“df”将具有附加属性。其中之一是“data_array_”，它是一个 numpy 数组，包含检测器上离子撞击的位置。它的形状为 (n_samples, 4)，四列依次对应于 x、y、半径和相位维度。

其他选项，例如定义陷阱中心和数据切割，可以作为关键字参数传递给 DataFrame 的初始化。例如，要将阱中心的位置移动到笛卡尔坐标中的 (1, 1)，给阱中心位置的不确定性为 0.02，将数据集限制为 PS-MCP 上的镜头，其中至少有 1 个离子但小于 5，并以弧度输出相位维度：

center = (1, 1)
center_uncertainty = (0.02, 0.02)
ion_cut = (0, 5)
# Note that the ion_cut values are *not* inclusive.
df = pgc.DataFrame(file, center=center, center_unc=center_uncertainty), 
                   ion_cut=ion_cut, phase_units='rad')
df.process_lmf()

或者，该行StartTime, EndTime = df.process_lmf() 处理 .lmf 文件并输出数据记录开始和结束的时间。

处理后，DataFrame 对象可以以更有意义的格式导出数据。以下代码块以 pandas.ExcelWriter 对象的形式返回“data_array_”，返回并显示检测器上离子撞击位置的 2D 直方图，并保存两个对象：

spreadsheet = df.return_processed_data_excel()
spreadsheet.save()

fig, save_string = df.get_data_figure()
plt.savefig(save_sring)
plt.show()

GaussianMixtureModel / BayesianGaussianMixture / PhaseFirstGaussianModel

一旦使用函数处理了数据 df.process_lmf()，就可以进行聚类了。这是通过笛卡尔坐标中的八分量高斯混合模型完成的，例如，使用以下代码：

model = GaussianMixtureModel(n_components=8, coordinates='Cartesian')
model.cluster_data(data_frame_object=df)

BayesianGaussianMixture()通过更改初始化为或 的模型来使用其他聚类算法PhaseFirstGaussianModel()。该函数cluster_data赋予模型对象几个重要的属性，例如：

• model.centers_array_，它是一个形状为 (n_components, 9) 的 numpy 数组，其中包含聚类中心的位置。每行对应一个簇，每行的值从左到右分别给出了 x 位置、x 不确定性、y 位置、y 不确定性、半径位置、半径不确定性、相位位置、相位不确定性和整体群集不确定性 ( x unc. 和 y unc. 正交添加）的特定集群。
• model.ips_是一个长度为 (n_components,) 的类数组对象，其中每个值是该簇中的离子数。需要注意的是，每个属性中簇的顺序是相同的，第 0 行model.centers_array_ 对应 中的第 0 个条目model.ips_，以此类推。
• model.weights_, model.means_, model.covariances_是高斯混合模型的拟合参数。
• model.labels_是数据集中每个离子的簇分配。

文档中列出了适合的其他属性。

集群的中心不必直接从拟合结果中获取。相反，可以通过运行重新计算集群的中心 model.recalculate_centers_uncertainties(data_frame_object=df, indices=None)，其中的参数indices是None是否要重新计算所有中心，或者是一个给出要更改的集群索引的列表。此功能通过获取从model.cluster_data()命令获得的集群分配并将两个一维高斯拟合到每个集群来工作，以便找到集群中心和不确定性。然后相应地更新所有属性。

与模型类相关的其他有用功能可以在聚类之后调用：

• model.cluster_data_strict()model.cluster_data()，这与它强制模型具有参数给定的组件数完全相同 n_components。

• fig, save_string = model.get_results_fig(data_frame_object=df)，它返回离子命中图，显示它们的簇分配、簇中心和簇中心不确定性。它还返回一个建议的字符串以在保存图窗时使用。

• fig, save_string = model.cluster_merger(data_frame_object=df)，它会激活一个 GUI，如果高斯混合模型无法合理地对数据集进行聚类，则允许将聚类合并在一起。运行后，按照命令行的提示进行这个过程。

  • 警告：此函数不应在典型情况下使用，因为它会覆盖来自高斯混合模型的数学支持结果。虽然模型并不完美，但如果它们不同意首选的聚类结果，则不应轻易丢弃它们的结果。

总之，读取 .lmf、对数据进行聚类、输出和保存图像的典型代码块如下所示：

import piicrgmms.classes as pgc

# Set constants
xC = 1
yC = 1
xC_unc = 0.02
yC_unc = 0.02

center = (xC, yC)
center_unc = (xC_unc, yC_unc)

ion_cut = (0, 5)

file = 'C:\here\is\the\path\to\the_file.lmf'

df = pgc.DataFrame(file=file, center=center, center_unc=center_unc, 
                   ion_cut=ion_cut, phase_units='rad')
StartTime, EndTime = df.process_lmf()

model = pgc.GaussianMixtureModel(n_components=8)
model.cluster_data(data_frame_object=df)
fig, save_string = model.get_results_fig(data_frame_object=df)
plt.savefig(save_string, bbox_inches='tight')
plt.show()

安装

依赖项

piicrgmms 要求：

• Python (>=3.6)
• scikit-learn (>=0.23.2)
• 熊猫 (>=1.2.0)
• matplotlib (>=3.3.0)
• lmfit (>=1.0.0)
• 作业库 (>=1.0.0)
• tqdm (>=4.56.0)
• 枕头 (>=8.1.0)
• 网页颜色（>=1.11.1）

用户安装

假设 Python 并且pip已经安装，决定你想要一个系统范围的安装还是本地安装，以及你想要安装在哪个 Python 发行版（例如 Anaconda）下。然后，打开命令提示符（用于常规 Python 发行版）或另一个发行版的提示符（例如 Anaconda Prompt for Anaconda），然后运行：

• pip install piicrgmms用于系统范围的安装（仅适用于常规 Python 发行版）， 或者
• pip install -U piicrgmms用于本地安装。

如果您想在虚拟环境中安装，请导航到虚拟环境的目录，激活虚拟环境，然后使用上述命令进行安装。

源代码

您可以使用命令查看最新的源代码
git clone https://github.com/colinweber27/piicrgmms