使用python写的调内参的简易程序

根据灰度值来推测调齐内参所需要的蛋白质浓度（以最简单的最小二乘法来计算）：一开始上样的时候最好等体积上样（蛋白溶度调成一致）。确保每个样的上样体积一致。多做2个重复取平均值。然后采用灰度分析进行内参调整，从而调整之后的上样量。

自变量与因变量的一系列对应数据,(x1,y1),(x2,y2),(x3,y3),...(xn,yn)，分别是已经做好的实验的蛋白质浓度和相对应的灰度值。Input，以数组来存储这些数据，然后的output就是根据最小二乘法得出的调内参的最适浓度。

假设存在和实际数据最拟合的函数,y=f(x)，使得实际数据和理论曲线的离差平方和:∑[yi-f(xi)]^2（从i=1到i=n相加）为最小，一般我们假设是线性关系，以线性回归方程表示如Y= a0 + a1 X ；∑(X--X平)(Y--Y平)=∑XY--nX平Y平；∑(X --X平)^2=∑X^2--nX平^2；

当∑[yi-f(xi)]^2（从i=1到i=n相加）最小时，可用函数 φ 对a0、a1求偏导数，令这两个偏导数等于零。得到的两个关于a0、 a1为未知数的两个方程组，解这两个方程组得出：a0 = (∑Yi) / m - a1(∑Xi) / m ；a1 = [∑Xi Yi - (∑Xi ∑Yi)/ m] / [∑Xi2 - (∑Xi)2 / m)]

得到不同孔道对应的不同线性关系，然后我们可以选定一个我们需要的灰度值Y，反过来求解每个孔特定蛋白质的浓度Xi。

我目前只是弄出来最简易的，完全是面向过程的简易程序，需要一个个数据自己敲进去，然后再计算处理理论上想要调齐内参的蛋白质加样浓度；进一步的可以将数据记录在txt或者excel文件中，然后读取出来再进行计算，还是有很大的进步空间嘛！

a=input("请输入该孔道的三次蛋白质加样量，以逗号隔开：")    
b=input("请输入该孔道的三次灰度值，以逗号隔开：")    
aim=int(input("目标内参的灰度值="))    
c=[]    
d=[]    
for i in a.split(','):    
    c.append(float(i))    
for i in b.split(','):    
    d.append(float(i))    
l=0.0    
m=0.0  
n=0.0   
p=0.0  
e=0.0  
f=0.0  
for i in c:    
    l=l+i  #x的加和Σx：l  
for i in d:    
    m=m+i  #y的加和Σy:m  
for i in c:    
    n=n+l*l  #x平方的加和Σx^2:n  
    p=p+l*m  #x*y的加和Σxy:p  
e=(p-l*m/3.0/(n-l*l/3.0)  #最小二乘法公式：a=(Σxy-ΣxΣy/N)/(Σx^2-(Σx)^2/N)，a是斜率  
f=m/3.0-e*l/3.0 #b=y(平均)-a*x（平均）；b是截距  
aimcon=(aim-f)/e  
print(e,f)  
print("线性回归方程是：y=",e,"x+",f)  
print(aimcon)

b=input("请输入该孔道的三次灰度值，以逗号隔开：")    
aim=int(input("目标内参的灰度值="))    
c=[]    
d=[]    
for i in a.split(','):    
    c.append(float(i))    
for i in b.split(','):    
    d.append(float(i))    
l=0.0    
m=0.0  
n=0.0   
p=0.0  
e=0.0  
f=0.0  
for i in c:    
    l=l+i  #x的加和：l  
    n=sum([ i*i for i in c])#x平方的加和:n  
for i in d:    
    m=m+i  #y的加和:m  
p=sum([c[i]*d[i] for i in range(0,3)])#x*y的加和:p  
e=(p-l*m/3)/(n-l*l/3)  #最小二乘法公式：a=(Σxy-ΣxΣy/N)/(Σx^2-(Σx)^2/N)，a是斜率  
f=m/3.0-e*l/3.0 #b=y(平均)-a*x（平均）；b是截距  
aimcon=(aim-f)/e  
print(l,m,n,p,e,f)#用于测试各个量是否正确  
print("线性回归方程是：y=",e,"x+",f)  
print("理论上的加样量=",aimcon)