mdapy_计算统计Voronoi——lammps后处理

本文：

1. 计算统计Voronoi 体积
2. 提取lammps输出文件粒子属性信息。
3. 针对某一个列表进行频率统计分析。 

mdapy的安装参照如下连接：

mdapy的安装

一、计算提取出目标文件的 Voronoi 体积

import mdapy as mp
from collections import Counter
import matplotlib.pyplot as plt
import pandas as pd
from collections import Counter

# 注意必须要显式的指明运行平台, 否则会报错
mp.init('cpu')
## 导入文件
system = mp.System(filename='relaxing_50000.dump.gz',fmt='dump.gz')
# voronoi 计算设置
system.cal_voronoi_volume()
# 查看粒子属性
print(system.data.columns)
# 提取需要的信息
# print(system.data['id'][0])
df = system.data['id','voronoi_volume', 'voronoi_number', 'cavity_radius']
# 输出信息到终端
print(df)
## 将输出信息输出到文件，默认逗号分隔，separator改为' '空格分隔
df.write_csv('voronoi_volume.csv',separator=' ')  

得到的文件：voronoi_volume.csv，

其中主要有三项：多面体体积，配位数（邻居数），好像是空穴半径

二、对文件进行处理，统计多面体体积的频率分布，这里的统计区分原子类型。

# 分析 Voronoi 体积随原子类型的分布
data1 = system.data['type','voronoi_volume']
# 保留小数
point = 1
type_1_volume = [round(data1['voronoi_volume'][index],point) for index, value in enumerate(data1['type']) if value==1]
type_2_volume = [round(data1['voronoi_volume'][index],point) for index, value in enumerate(data1['type']) if value==2]

# 统计列表中相同元素的频率，此函数可以传递多个列表
def list_ditribution(*data_lists, labels=None, filename='list_distribution'):
    plt.figure(figsize=(10, 6))

    df1 = pd.DataFrame()
        # 检查labels参数是否传入，若未传入则默认为None
    if labels is None:
        labels = [f'List {i+1}' for i in range(len(data_lists))]
    # 遍历每个数据列表
    for index, (data_list, list_label) in enumerate(zip(data_lists, labels)):
        # 计算频次
        frequencies = Counter(data_list)
        total = len(data_list)

        # 计算频率百分比, 只是对列表进行操作
        percentages = {k: (v / total) * 100 for k, v in frequencies.items()}
        # 按照百分比重新给列表排序
        percentages_sorted = sorted(percentages.items())

        # 为当前数据集添加索引前缀，并保存数据
        list_values, list_percentages = zip(*percentages_sorted)

        # print('list_percentages:',sum(list_percentages))
        # 绘制折线图
        plt.plot(list_values, list_percentages, marker='o', label=list_label)

        df1[f'x{index + 1}'] = pd.Series(list_values)
        df1[f'y{index + 1}'] = pd.Series(list_percentages)

    plt.xlabel('Values')
    plt.ylabel('Percentage (%)')
    plt.title('Percentage of Each Value Across Lists')
    plt.legend()
    # 是否显示网格
    # plt.grid(True)

    # 保存数据到CSV文件
    df1.to_csv(filename+'.csv', index=False)
    print(df1)
    print(f'Data saved to {filename}.csv')
    plt.savefig(filename+'.png', dpi=600)  # 以300 DPI 保存图像
    print(f'Figure saved to {filename}.png')
    # 显示图表
    plt.show()
    
# 每个列表对应的曲线标签
labels = ['1', '2']
list_ditribution(type_1_volume,type_2_volume,labels=labels)

运算可以输出文件和图像 

 文件：list_distribution.csv

图像：list_distribution.png

三、完整的python代码：

import mdapy as mp
from collections import Counter
import matplotlib.pyplot as plt
import pandas as pd
from collections import Counter

# 注意必须要显式的指明运行平台, 否则会报错
mp.init('cpu')
## 导入文件
system = mp.System(filename='relaxing_50000.dump.gz',fmt='dump.gz')
# voronoi 计算设置
system.cal_voronoi_volume()
# 查看粒子属性
print(system.data.columns)
# 提取需要的信息
# print(system.data['id'][0])
df = system.data['id','voronoi_volume', 'voronoi_number', 'cavity_radius']
# 输出信息到终端
print(df)
## 将输出信息输出到文件，默认逗号分隔，separator改为' '空格分隔
df.write_csv('voronoi_volume.csv',separator=' ')  

# 分析 Voronoi 体积随原子类型的分布
data1 = system.data['type','voronoi_volume']
# 保留小数
point = 1
type_1_volume = [round(data1['voronoi_volume'][index],point) for index, value in enumerate(data1['type']) if value==1]
type_2_volume = [round(data1['voronoi_volume'][index],point) for index, value in enumerate(data1['type']) if value==2]

# 统计列表中相同元素的频率，此函数可以传递多个列表
def list_ditribution(*data_lists, labels=None, filename='list_distribution'):
    plt.figure(figsize=(10, 6))

    df1 = pd.DataFrame()
        # 检查labels参数是否传入，若未传入则默认为None
    if labels is None:
        labels = [f'List {i+1}' for i in range(len(data_lists))]
    # 遍历每个数据列表
    for index, (data_list, list_label) in enumerate(zip(data_lists, labels)):
        # 计算频次
        frequencies = Counter(data_list)
        total = len(data_list)

        # 计算频率百分比, 只是对列表进行操作
        percentages = {k: (v / total) * 100 for k, v in frequencies.items()}
        # 按照百分比重新给列表排序
        percentages_sorted = sorted(percentages.items())

        # 为当前数据集添加索引前缀，并保存数据
        list_values, list_percentages = zip(*percentages_sorted)

        # print('list_percentages:',sum(list_percentages))
        # 绘制折线图
        plt.plot(list_values, list_percentages, marker='o', label=list_label)

        df1[f'x{index + 1}'] = pd.Series(list_values)
        df1[f'y{index + 1}'] = pd.Series(list_percentages)

    plt.xlabel('Values')
    plt.ylabel('Percentage (%)')
    plt.title('Percentage of Each Value Across Lists')
    plt.legend()
    # 是否显示网格
    # plt.grid(True)

    # 保存数据到CSV文件
    df1.to_csv(filename+'.csv', index=False)
    print(df1)
    print(f'Data saved to {filename}.csv')
    plt.savefig(filename+'.png', dpi=600)  # 以300 DPI 保存图像
    print(f'Figure saved to {filename}.png')
    # 显示图表
    plt.show()
    
# 每个列表对应的曲线标签
labels = ['1', '2']
list_ditribution(type_1_volume,type_2_volume,labels=labels)