我试图为我的实验数据绘制一个高斯拟合图。我的数据是csv文件的形式，包含两列x和y值

. 目前我在文件夹中有3个csv文件。我使用“for”循环读取文件夹中的csv文件，并将x和y值存储在数组中。然后，打印数组以检查是否所有数据值都存储在数组中。我试图为我的数据值绘制一个高斯拟合。我已经附上了我得到的高斯拟合的片段。我想找到一种方法来为每个csv文件绘制拟合图。现在，我只得到1适合所有3个文件，如代码段所示。我想产生3个这样的适合。如果您需要更多详细信息，请告诉我。我很乐意提供。任何建议都会很有帮助。

我已在下面附上我的代码：

import csv
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
from scipy.optimize import curve_fit
from scipy import asarray as ar,exp
import lmfit
from glob import glob 
import os
from lmfit import Parameters, minimize, report_fit, Model
xData=np.array(xData)
yData=np.array(yData)
mean=sum(xData*yData)/sum(yData)
sigma=np.sqrt(sum(yData*(xData-mean)**2)/sum(yData))
def Gauss(x,I0,x0,sigma,Background):
    return I0*exp((-(x-x0)**2)/(2*sigma**2))+Background
mod=Model(Gauss)
import glob
path=r'E:\Users\ConfocalUser\Documents\GitHub\qudi\NV_Points'

# path=r"E:\Users\ConfocalUser\Documents\GitHub\qudi"

files=glob.glob(os.path.join(path,'*.csv')) # add the second closing parenthesis here
xData=[]
yData=[]
for file in files:  
    print(file)
    with open(file,"r") as f_in: ##### open 'file' 
        reader=csv.reader(f_in)
        next(reader)  ####NB only use this if CSV has a header line
        for line in reader:
            try:
                float_1,float_2=float(line[0]),float(line[1])
                xData.append(float_1)
                yData.append(float_2)
            except ValueError:
                continue

############################################################# 

# gives fit and results

# result#gives statistics

print('xData:', xData) # show the results
print('yData:', yData) 

### check if the path is correct

Sample output:
E:\Users\ConfocalUser\Documents\GitHub\qudi\NV_Points\0951 x 30.csv
E:\Users\ConfocalUser\Documents\GitHub\qudi\NV_Points\0951 y 30.csv
E:\Users\ConfocalUser\Documents\GitHub\qudi\NV_Points\0951 z 30.csv
xData: [-2.010019542e-06, -1.943019542e-06, -1.876019542e-06, -1.809019542e-06, -1.742019542e-06, etc]
yData: [73313.0, 4769.0, 0.0, 7259.0, 9436.0, 13502.0, 15917.0, 22537.0, 29154.0, 38734.0 etc]
plt.plot(xData,yData,'bo',label='experimental_data')
plt.grid()
plt.show()
result=mod.fit(yData,x=xData,I0=1,x0=mean,sigma=sigma,Background=0)
result.plot()
plt.grid()