什么是 chemotools？

chemotools 是一个用于光谱预处理和化学计量学建模的开源 Python 包。它直接与 scikit-learn 生态系统集成，支持可重现且可扩展的光谱模型开发。

• 丰富的工具集： 适用于各类光谱数据的转换器。

• 可组合且可扩展：可直接集成并能随您工作流程发展的管道。

• 可靠且透明： 经过严格测试、同行评审并且开源。

备注

构建您所需，集成您所信，扩展无妥协。

提示

Curious about scikit-learn? See the dedicated scikit-learn overview.

丰富的工具集

Spectroscopy is diverse — different instruments, sample matrices, and analysis goals demand different approaches. chemotools provides a focused set of transformers for spectroscopic data and makes it simple to assemble them into preprocessing pipelines. The toolkit covers baseline correction, smoothing, scaling, derivatization, scatter correction, physical unit conversions (absorbance, transmittance, reflectance, Kubelka-Munk), and adaptation methods for calibration transfer between instruments. By connecting to the wider Python ecosystem, you can leverage state-of-the-art machine learning and scientific libraries to build robust, end-to-end spectroscopic models.

备注

将您的预处理与 scikit-learn 生态系统连接起来，以解锁用于特征选择、模型调优、验证和部署的广泛工具栈。

提示

Want to explore the tools at your fingertips? Visit the explore overview.

可组合与可扩展

chemotools 将预处理转变为模块化、可组合的过程：每个转换器都遵循 fit / transform API，并直接与 scikit-learn 管道集成。预处理、特征选择、建模和验证可以直接链接——无需适配器。

这种可组合性确保了可重现性（管道是声明式的）、稳健性（无需重构即可交换模块）和可扩展性（利用生态系统已支持的基础设施进行并行化和部署）。

备注

从探索到部署，chemotools 与您的工作流程共同成长。

质量与透明度

chemotools 将可扩展性和可伸缩性与开源透明度相结合，使得验证和信任从一开始就更加容易。

• 全面测试 — 通过广泛的 单元测试 和持续的代码覆盖率来确保可靠性和稳健性。

• 透明度 — 我们在每个版本中都提供 CycloneDX 格式的软件物料清单 (SBOM)，以支持在受监管环境中的验证和审核。

• 同行评审 — 经过独立同行评审后，发表于 Journal of Open Source Software (JOSS)。

备注

质量、透明度和信任——从一开始就内置其中。