fp = findpeaks(method='caerus', params={'minperc':5, 'window':50}) #拟合数据 results = fp.fit(X) #可视化 fp.plot() 将图中Peak, Valley值添加到X的新列

您提到的代码片段似乎是用于在一系列数据中查找峰值（peak）和谷值（valley）的Python代码。这里使用的`findpeaks`函数可能是某个库中的函数，用于执行峰值检测。代码中调用`findpeaks`时指定了方法`'caerus'`以及相应的参数，然后通过`fit`方法对数据`X`进行拟合，最后使用`plot`方法进行可视化。

在可视化图中，`Peak`和`Valley`指的是数据中的峰点和谷点。通常，这些峰谷点会有对应的数值，这些数值可以是峰谷点的索引位置或实际的值。

将这些`Peak`和`Valley`的值添加到数据`X`的新列中，意味着您需要获取拟合结果中的峰谷点的索引或值，并将它们添加到原始数据的列中。这通常需要访问`results`对象中存储的相关数据，具体取决于`findpeaks`库的设计和返回的数据结构。由于我无法访问外部库的具体实现，这里仅提供一个一般性的指导思路：

# 假设results包含了峰谷点的信息
peaks = results['peak_values']  # 峰点的值
valleys = results['valley_values']  # 谷点的值
peak_indices = results['peak_indices']  # 峰点的索引
valley_indices = results['valley_indices']  # 谷点的索引

# 假设X是一个数组或者Pandas的Series
# 在X中添加峰谷点的值
X['Peaks'] = np.nan  # 初始化新列，假设用NaN填充
X.loc[peak_indices, 'Peaks'] = peaks  # 将峰点的值填充到新列对应的位置

X['Valleys'] = np.nan  # 初始化新列，假设用NaN填充
X.loc[valley_indices, 'Valleys'] = valleys  # 将谷点的值填充到新列对应的位置

请注意，上述代码是一个示例性的伪代码，您需要根据实际的`findpeaks`函数返回的数据结构来调整代码。在实际操作中，您需要查阅该函数的文档来了解如何提取和使用峰值和谷值数据。