#Interpolate JSC data to CCAM data
JSC_Ti=interp_spect(JSC_Ti,xnew)
plot.figure()
plot.plot(JSC_wvls,JSC_Ti['wvl'].iloc[0,:])
JSC_Ti,JSC_bl=remove_baseline(JSC_Ti,method='als')
plot.plot(JSC_wvls,JSC_bl['wvl'].iloc[0,:])
plot.savefig('baseline_example.png',dpi=600)
plot.show()
##Combine JSC and CCAM Ti data
#data=pd.concat([JSC_Ti_interp,ccs_Ti])
#data.to_csv('JSC_CCS_Ti_data.csv')
#Mask spectra
JSC_Ti=mask(JSC_Ti,maskfile)
#Normalize Spectra
JSC_Ti=norm_spect(JSC_Ti,ranges)
#data_masked['wvl']=norm_total(data_masked['wvl'])
#
#data_masked['wvl']=data_masked['wvl'].div(data_masked['wvl'].sum(axis=1),axis=0)
#
#data_mask_norm=data_masked['wvl'].copy()
#for row in data_mask_norm.index.values:
# data_mask_norm.iloc[row]/=sum(data_mask_norm.iloc[row])
#data_masked['wvl']=data_mask_norm
#data_masked_norm.to_csv('JSC_CCS_Ti_data_masked_norm.csv')
#data_mask_norm=norm_total(data_masked)
#data_mask_norm.to_csv('JSC_CCS_Ti_data_mask_norm.csv')
#print('foo')
def mask(self,*args,**kwargs):
return spectral_data(mask(self.df,*args,**kwargs))
