如何用Python将值网格转换为密度图呈现硅表面结构

别慌！用Python的科学计算和绘图工具就能快速搞定这个需求，下面是一步一步的具体操作：

1. 准备依赖库 #

首先确保你安装了处理数据和绘图的必要工具，打开终端执行：

pip install numpy matplotlib

2. 完整代码实现 #

把以下代码保存为stm_plot.py，放在和stm.txt同一目录下运行即可：

import numpy as np
import matplotlib.pyplot as plt

# 读取STM扫描数据
# 如果文件有表头，可添加skip_header=N参数（N是表头行数）
stm_data = np.loadtxt("stm.txt")

# 先检查数据形状，确认是二维网格结构
print(f"数据维度：{stm_data.shape}")

# 万一数据是一维的，需要手动转成二维（替换n_rows和n_cols为实际行列数）
# stm_data = stm_data.reshape((n_rows, n_cols))

# 创建绘图画布
fig, ax = plt.subplots(figsize=(10, 8))

# 绘制密度图
# cmap选颜色映射，interpolation控制插值方式，origin='lower'让原点在左下角（符合扫描习惯）
im = ax.imshow(stm_data, cmap='viridis', interpolation='nearest', origin='lower')

# 添加颜色条，标注物理意义（比如表面高度）
plt.colorbar(im, label='Surface Height (Å)')

# 设置图表标题和坐标轴标签
ax.set_title('Silicon Surface STM Density Map', fontsize=14, fontweight='bold')
ax.set_xlabel('Scan X Coordinate', fontsize=12)
ax.set_ylabel('Scan Y Coordinate', fontsize=12)

# 显示图像（换成plt.savefig('stm_density.png', dpi=300)可导出高清图片）
plt.show()

3. 关键细节调整 #

• 颜色映射选择：cmap参数可以换成'plasma'、'inferno'或'gray'，根据你想要的可视化风格调整；
• 插值方式：interpolation='nearest'会保留原始数据的像素感，适合观察精细结构；'bilinear'会让图像更平滑；
• 数据维度问题：如果读取后数据是一维数组，你需要知道原始扫描的行列数，用reshape转换为二维网格；
• 数据格式问题：如果读取报错，先打开stm.txt确认是纯数值的网格（每行对应一行扫描数据），没有多余符号或注释。

内容的提问来源于stack exchange，提问作者Brandon SeedlessBananas Mc-Wil