使用Python绘制XRD谱图的技术问题求助

问题总结 #

作为Python新手，绘制13组XRD谱图时遇到以下问题：

1. 如何做抗锯齿处理优化谱图外观？
2. 如何添加ICDD标准卡片信息（类似Origin Pro样式）？
3. 聚焦39.5°-42°范围时XRD峰展宽，如何获得尖锐峰形？
   同时需要推荐XRD可视化工具。

用户原始代码（存在数据引用错误）：

import pandas as pd
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import make_interp_spline

file_path = "X-Ray Data of Laser Remelted Buttons.xlsx"  # Replace with the actual file path
excel_data = pd.ExcelFile(file_path)
sheet_names = excel_data.sheet_names

dataframes = {}
for sheet_name in sheet_names:
    df = pd.read_excel(file_path, sheet_name=sheet_name, skiprows=1)
    dataframes[sheet_name] = df

# Accessing a specific dataframe and sheet name
sheet_name = sheet_names[0]
df = dataframes[sheet_name]
print("Sheet Name:", sheet_name)
print(df.head())

fig, ax = plt.subplots()

offset = 0  # Initialize the offset

for sheet_name in sheet_names:
    data = excel_data.parse(sheet_name)
    x = df['X']  # Bug: 始终使用第一个sheet的数据，而非当前sheet
    y = df['Y (counts)']  # Bug: 同上
    ax.plot(x, y + offset, label=sheet_name)  # Plot the XRD data with the offset applied
    offset += max(y) - min(y)  # Update the offset based on the range of the current data


ax.set_xlabel("X Values")  # Customize the X-axis label
ax.set_ylabel("Y Values")  # Customize the Y-axis label
ax.legend(loc='upper center', bbox_to_anchor=(0.5, -0.1), ncol=3)  # Adjust the coordinates and ncol as per your preference
ax.set_title("XRD Spectra")  # Customize the plot title
ax.set_yticklabels([])
ax.set_xlim(20, 95)

#ax.grid(True)  # Add a grid to the plot

plt.show()  # Display the plot

逐一解决方案 #

1. 抗锯齿处理优化谱图 #

两种简单有效的方式：

• 提高画布DPI（分辨率），让线条细节更清晰
• 在plot函数中启用抗锯齿参数

修改后的核心代码片段：

# 提高画布分辨率，同时启用抗锯齿
fig, ax = plt.subplots(dpi=300)

offset = 0
for sheet_name in sheet_names:
    df = dataframes[sheet_name]  # 修正数据引用错误
    x = df['X']
    y = df['Y (counts)']
    # 添加antialiased=True启用抗锯齿
    ax.plot(x, y + offset, label=sheet_name, antialiased=True)
    offset += max(y) - min(y)

2. 添加ICDD标准卡片信息 #

通过绘制垂直标记线+物相标注模拟Origin的ICDD样式，步骤如下：

1. 准备ICDD标准峰位数据（根据你的实际物相调整）
2. 用ax.vlines绘制峰位竖线
3. 用ax.annotate标注物相名称

示例代码：

# 示例ICDD数据：键为物相名称，值为2theta峰位列表
icdd_data = {
    "TiO₂ (Rutile)": [27.4, 36.1, 41.2, 54.3],
    "Al₂O₃": [25.5, 35.1, 43.3, 52.5]
}

# 绘制ICDD峰位竖线
y_max = offset  # 获取所有谱图的最大Y偏移值
for phase, peaks in icdd_data.items():
    # 浅灰色虚线绘制峰位，透明度降低避免遮挡谱图
    ax.vlines(peaks, ymin=0, ymax=y_max, colors='gray', linestyles='--', linewidth=1, alpha=0.7)
    # 在第一个峰位上方标注物相名称
    ax.annotate(phase, xy=(peaks[0], y_max * 1.02), ha='center', fontsize=8)

3. 消除峰展宽，获得尖锐峰形 #

首先修正代码中的数据引用错误（此前循环始终调用第一个sheet的数据，可能导致峰形异常），若聚焦后仍有展宽，从两点优化：

• 避免平滑插值：make_interp_spline这类样条插值会抹平峰的尖锐度，直接绘制原始数据即可
• 补充数据点（可选）：若原始数据采样稀疏，用线性插值补充点（而非样条插值）

聚焦范围的修正代码：

# 设置聚焦范围39.5°-42°
ax.set_xlim(39.5, 42)

offset = 0
for sheet_name in sheet_names:
    df = dataframes[sheet_name]
    x = df['X']
    y = df['Y (counts)']
    
    # 过滤目标范围内的数据
    mask = (x >= 39.5) & (x <= 42)
    x_filtered = x[mask]
    y_filtered = y[mask]
    
    # 线性插值补充点（可选，根据数据密度决定是否启用）
    x_new = np.linspace(x_filtered.min(), x_filtered.max(), 1000)
    y_new = np.interp(x_new, x_filtered, y_filtered)
    
    ax.plot(x_new, y_new + offset, label=sheet_name, antialiased=True)
    offset += max(y_filtered) - min(y_filtered)

推荐XRD可视化工具 #

• pyXRD：专为XRD数据设计的分析与可视化库，支持物相匹配、峰拟合，贴合科研需求
• diffpy-cmi：衍射数据分析工具集，可处理XRD、PDF等数据，可视化功能专业
• MTEX：专注于织构分析的衍射工具，适合多晶材料XRD数据可视化
• Plotly：交互式绘图库，可生成可缩放、悬停查看数据的XRD谱图，便于展示分享

内容的提问来源于stack exchange，提问作者huseyin_hzl