Python实现交互式耦合绘图（二元相图）的可用库及指引

Python完全可以实现你需求的交互式二元相图，以下是两种常用方案及方向指引：

一、Plotly（推荐，原生交互支持） #

Plotly是专注于交互式可视化的库，能轻松实现子图联动，代码简洁且支持离线/在线展示。

实现方向： #

1. 布局搭建：用plotly.subplots.make_subplots创建上下两个子图，共享x轴（成分x），底部绘制x-y1（成分-温度）曲线，顶部初始绘制某一温度下的x-y2（成分-吉布斯自由能）曲线。
2. 数据预处理：将已计算好的数组按温度（y1）分组，构建温度: (x数组, y2数组)的映射字典，方便快速筛选数据。
3. 交互绑定：给底部曲线绑定鼠标悬停事件，当鼠标移动时获取当前点的温度值，从映射字典中取出对应x和y2数据，用fig.update_traces()更新顶部曲线的内容。

核心代码框架： #

import plotly.graph_objects as go
from plotly.subplots import make_subplots
import numpy as np

# 替换为你的实际数据数组
x = np.linspace(0, 1, 100)
y1 = np.linspace(300, 1000, 100)
# 按温度分组存储x和y2数据
temp_data_map = {}
for temp in np.unique(y1):
    mask = y1 == temp
    # 替换为你的y2计算逻辑
    y2 = -temp * x[mask] + 0.5 * temp * x[mask]**2
    temp_data_map[temp] = (x[mask], y2)

# 创建上下子图
fig = make_subplots(rows=2, cols=1, shared_xaxes=True, vertical_spacing=0.1)

# 添加底部成分-温度曲线
fig.add_trace(go.Scatter(x=x, y=y1, mode='lines', name='成分-温度'), row=2, col=1)

# 添加初始顶部曲线
init_temp = next(iter(temp_data_map.keys()))
init_x, init_y2 = temp_data_map[init_temp]
fig.add_trace(go.Scatter(x=init_x, y=init_y2, mode='lines', name=f'G(T={init_temp:.2f})'), row=1, col=1)

# 定义悬停更新函数
def update_top_curve(trace, points, selector):
    if points.point_inds:
        current_temp = y1[points.point_inds[0]]
        curr_x, curr_y2 = temp_data_map[current_temp]
        fig.update_traces(x=curr_x, y=curr_y2, name=f'G(T={current_temp:.2f})', row=1, col=1)

# 绑定事件到底部曲线
fig.data[0].on_hover(update_top_curve)

# 布局配置
fig.update_layout(height=600, width=800, title="二元相图")
fig.update_xaxes(title_text="成分x", row=2, col=1)
fig.update_yaxes(title_text="温度y1", row=2, col=1)
fig.update_yaxes(title_text="吉布斯自由能y2", row=1, col=1)

fig.show()

二、Matplotlib + mplcursors（适合Matplotlib用户） #

如果你更习惯Matplotlib的绘图风格，可以搭配mplcursors库实现交互联动。

实现方向： #

1. 子图创建：用plt.subplots(2,1)生成上下子图，底部绘制x-y1曲线，顶部绘制初始x-y2曲线。
2. 数据分组：同样按温度分组存储x和y2数据，方便快速调用。
3. 交互回调：用mplcursors监听底部曲线的悬停事件，获取当前温度后更新顶部曲线的data，并重新渲染子图。

核心代码框架： #

import matplotlib.pyplot as plt
import mplcursors
import numpy as np

# 替换为你的实际数据
x = np.linspace(0, 1, 100)
y1 = np.linspace(300, 1000, 100)
temp_data_map = {}
for temp in np.unique(y1):
    mask = y1 == temp
    # 替换为你的y2计算逻辑
    y2 = -temp * x[mask] + 0.5 * temp * x[mask]**2
    temp_data_map[temp] = (x[mask], y2)

# 创建子图
fig, (ax_top, ax_bottom) = plt.subplots(2, 1, figsize=(8, 6), sharex=True)
fig.subplots_adjust(hspace=0.15)

# 绘制底部曲线
line_bottom, = ax_bottom.plot(x, y1, 'b-', label='成分-温度')
ax_bottom.set_ylabel('温度y1')
ax_bottom.legend()

# 绘制初始顶部曲线
init_temp = y1[0]
init_x, init_y2 = temp_data_map[init_temp]
line_top, = ax_top.plot(init_x, init_y2, 'r-', label=f'G(T={init_temp:.2f})')
ax_top.set_ylabel('吉布斯自由能y2')
ax_top.legend()

# 悬停更新函数
def on_hover(sel):
    current_temp = sel.target[1]
    curr_x, curr_y2 = temp_data_map[current_temp]
    line_top.set_data(curr_x, curr_y2)
    line_top.set_label(f'G(T={current_temp:.2f})')
    ax_top.legend()
    ax_top.relim()
    ax_top.autoscale_view()
    fig.canvas.draw_idle()

# 绑定交互事件
mplcursors.cursor(line_bottom).connect("add", on_hover)

plt.xlabel('成分x')
plt.show()

其他备选工具 #

如果Python方案不满足需求，可考虑：

• OriginPro：专业科学绘图软件，可视化操作即可实现联动相图，适合非编程用户。
• MATLAB：通过subplot结合WindowButtonMotionFcn事件处理实现子图联动，适合熟悉MATLAB的用户。

内容的提问来源于stack exchange，提问作者nimmi