立项原因：科研与实验数据分析中，研究人员经常需要对测量数据做曲线拟合，但 Origin、Matlab 等通用工具学习成本高、商业授权贵，手写拟合脚本效率低且易错，统计口径不统一、结果难复现。本项目旨在提供一个开箱即用的桌面函数拟合工作台，解决"从原始数据到可信拟合结论"链路长、门槛高的产品问题。行业场景与业务背景：面向实验测量、理化分析、工程测试标定等场景，用户粘贴实验数据后选择内置模型或输入自定义公式，一键获得拟合参数、标准误差、95% 置信区间及 R²、RMSE、AIC/BIC 等指标，并可导出图表与 Markdown 分析报告，降低科研数据处理门槛，提升结果的可靠性与可复现性。
FitLab 是一款面向科研数据分析的桌面函数拟合工作台，开箱即用。软件支持应用内表格录入或从 Excel 直接粘贴多列数据，非法单元格自动标红忽略；提供线性、1–9 阶多项式、三次平滑样条基础回归，内置指数、对数、幂函数、高斯峰、洛伦兹峰、Logistic、正弦七种模型，并支持输入任意自定义公式进行非线性拟合。公式经 AST 白名单校验、纯递归求值，不执行任意代码；初值自动估计并采用多初值候选与 lm→trf 降级策略提高收敛率。拟合结果给出参数标准误差、95% 置信区间及 R²、调整 R²、RMSE、约化 χ²、AIC/BIC 等完整统计指标，图表叠加数据散点、拟合曲线与残差子图，可一键导出 CSV、PNG/SVG/PDF 与 Markdown 分析报告，并打包为单文件可执行程序，双击即用。
划分核心逻辑层、界面层、拟合线程层、导出层四层架构，核心层不依赖 Qt 以便单元测试；实现线性、多项式（1-9 阶）、三次平滑样条回归及指数、高斯峰、洛伦兹峰、Logistic 等 7 种内置模型；自定义公式拟合采用 AST 白名单校验加纯 AST 递归求值替代 eval，杜绝任意代码执行的安全隐患；针对非线性拟合收敛难的问题，设计按数据范围自动估计初值、多初值候选加 lm→trf 降级策略显著提升收敛率；实现参数标准误差、基于 t 分布的 95% 置信区间、R²、调整 R²、RMSE、约化卡方、AIC/BIC 等统计指标；用 QThread 将拟合放入后台线程避免界面卡顿；基于 Matplotlib 嵌入 PySide6 实现散点图、拟合曲线与残差子图联动；支持 Excel 多列粘贴录入、非法单元格标红忽略，导出 CSV、PNG/SVG/PDF 与 Markdown 报告；最终用 PyInstaller 打包为单文件 exe，并编写 pytest 数值正确性、解析器安全性与无头 GUI 冒烟测试保障质量。
评论