7 辅助工具使用教程

7.1 env环境部署

---

依赖环境: Python3.6及以上

• 依赖库安装：

1. Pymatgen库 ：使用 pip install pymatgen 安装；

2. Statsmodels库 ：使用 pip install statsmodels 安装；

3. Dspawpy库 ：使用 pip install -i https://test.pypi.org/simple/ dspawpy==0.3.0 安装；

7.2 rho电荷密度数据处理

---

DS-PAW使用 pymatgen 的画图程序来显示的二维数据，使用 VESTA 来显示三维数据。以应用教程中Si体系的 band.json 和 dos.json 为例子：

1. 在计算目录中新建一个 trans_rho.py 文件，内容如下：

import json
from dspawpy.io import write_VESTA_format

with open("./rho.json","r") as file:
rho = json.load(file)

write_VESTA_format(rho["AtomInfo"], [rho["Rho"]["TotalCharge"]], "DS-PAW-rho.vesta")

• 第1，2行为需要导入的 python 库函数；

• 第4，5行为需要读取的 json 文件；

• 第7行为执行 write_VESTA_format 函数，将数据保存为VESTA可识别的格式，其中 rho["AtomInfo"] 为读取 rho.json 中的晶格及坐标信息, [rho["Rho"]["TotalCharge"]] 为 rho.json 中总的电荷密度的三维数据, DS-PAW-rho.vesta 表示生成的 vesta 格式数据；

2. 执行 python trans_rho.py ；

3. 得到转换后的文件 DS-PAW-rho.vesta ，将其重命名为 CHGCAR.vasp 以便在 VESTA 显示；

4. 将 CHGCAR.vasp 文件拖入VESTA中则可得到如下的电荷密度图

7.3 band能带数据处理

---

以不开自旋时的MoS2体系的 band.json 为例子：

（1） 普通能带处理 ：

创建 bandplot.py 文件，具体代码如下：

from pymatgen.electronic_structure.plotter import BSPlotter
from dspawpy.io import get_band_data

band_data = get_band_data("./band.json")

bsp = BSPlotter(bs=band_data)
plt = bsp.get_plot()
plt.savefig("bandplot.png",img_format="png")
plt.show()

• 第1、2行为需要导入的 python 库函数，这里用到了pymatgen中的 BSPloter 库，以及 dspawpy.io 中的 get_band_data 函数；

• 第4行为读取 band.json 文件构造 band_data 这个结构体；

• 第6行为调用BSPloter处理 band_data 数据；

• 第7行为使用 bsp 下面的 get_plot 进行画图；

• 第8行为保存图片的名称和格式，将数据保存为png格式命名为 bandplot.png ；

• 第9行为显示图片，如果用户运行的环境无法直接显示图片，用户可以将该行注释，之后打开 bandplot.png 文件查看。

2. 执行 python bandplot.py

3. 生成 bandplot.png 文件

知识点：

1. Pymatgen中主要用到 electronic_structure.plotter 模块，基本上该模块下的80%的功能都能使用；

2. dspawpy.io 模块为 DS-PAW 的接口模块；

3. 使用 get_band_data 函数可以将 DS-PAW 计算得到的 band.json 文件转化为 pymatgen 支持的格式；

4. 使用 BSPlotter 模块获取到 DS-PAW 计算的 band.json 的数据；

5. 使用 BSPlotter 模块中 get_plot 函数绘制能带图；

6. 使用 savefig 函数可以将能带图以不同格式保存；

7. 使用 show 函数能够直接显示能带图，如果用户的机器上不支持图形界面，可以用#注释 show函数；

执行代码可以得到以下能带图：

（2） 将能带投影到每一种元素然后分别作图，通过线条的粗细来表示该元素对该轨道的贡献 ：

创建 bandplot_elt_projected.py 文件，具体代码如下：

from pymatgen.electronic_structure.plotter import BSPlotterProjected
from dspawpy.io import get_band_data

band_data = get_band_data("./band.json")

# 构建投影band数据实例
bsp = BSPlotterProjected(bs=band_data)
# 绘制按元素投影图片,返回matplotlib.pyplot
plt = bsp.get_elt_projected_plots()
plt.savefig("bandplot_elt_projected.png",img_format="png")
plt.show()

知识点：

1. 用户如果需要绘制能带投影的数据，此时需要使用 BSPlotterProjected模块；

2. 使用 BSPlotterProjected模块中 get_elt_projected_plots 函数能够绘制每种元素对轨道贡献的能带图；

执行代码可以得到以下能带图：

（3） 将能带投影到每一种元素然后分别作图，通过不同的颜色来表示该元素对该轨道的贡献：

创建 bandplot_elt_projected_color.py 文件，具体代码如下：

from pymatgen.electronic_structure.plotter import BSPlotterProjected
from dspawpy.io import get_band_data

band_data = get_band_data("./data/band.json")

bsp = BSPlotterProjected(bs=band_data)
# 绘制投影到元素band图片,返回matplotlib.pyplot({'Mo':['d'],'S':['s']})
plt = bsp.get_elt_projected_plots_color()
plt.savefig("bandplot_elt_projected_color.png",img_format="png")
plt.show()

知识点：

使用 BSPlotterProjected模块中 bandplot_elt_projected_color 函数能够绘制每种元素对轨道贡献的能带图，用红绿蓝三原色来表示 spd轨道；

执行代码可以得到以下能带图：

（4） 能带投影到不同元素的不同轨道（L）：

创建 bandplot_projected.py 文件，具体代码如下：

from pymatgen.electronic_structure.plotter import BSPlotterProjected
from dspawpy.io import get_band_data

band_data = get_band_data("./data/band.json")

bsp = BSPlotterProjected(bs=band_data)

# 绘制投影到元素某些轨道band，返回matplotlib.pyplot
plt = bsp.get_projected_plots_dots({'Mo':['d'],'S':['s']})
plt.savefig("bandplot_projected.png",img_format="png")
plt.show()

知识点：

1. 使用 BSPlotterProjected模块中 get_projected_plots_dots可以让用户来自定义需要绘制的某种元素某种轨道(L)的能带图；

2. 例如 get_projected_plots_dots ({'Mo':['d'],'S':['s']})就是绘制Mo的d轨道和S的s轨道；

执行代码可以得到以下能带图：

（5） 将能带投影到不同原子的不同轨道(M)：

创建 bandplot_plots_dots_patom_pmorb.py 文件，具体代码如下：

from pymatgen.electronic_structure.plotter import BSPlotterProjected
from dspawpy.io import get_band_data

band_data = get_band_data("./band.json")
bsp = BSPlotterProjected(bs=band_data)

plt = bsp.get_projected_plots_dots_patom_pmorb(dictio={'Mo':['px','py','pz']}, dictpa={'Mo':[1]})

plt.savefig("bandplot_projected_plots_dots_patom_pmorb.png",img_format="png")
plt.show()

• 第1、2行为需要导入的 python 库函数，这里用到了pymatgen中的 BSPloter 库，以及 dspawpy.io 中的 get_band_data 函数；

• 第4行为读取 band.json 文件构造 band_data 这个结构体；

• 第5行为调用 BSPlotterProjected 处理 band_data 数据；

• 第7行为使用 bsp 下面的 get_projected_plots_dots 进行画图，用户可以根据自己的体系和需要绘制的投影轨道对参数进行修改；

• 第9行为保存图片的名称和格式，这里将数据保存为png格式命名为 bandplot_projected_plots_dots_patom_pmorb.png ；

• 第10行为显示图片，如果用户运行的环境无法直接显示图片，用户可以将该行注释，之后打开 png 文件查看。

知识点：

1. 使用 BSPlotterProjected模块中 get_projected_plots_dots_patom_pmorb 的自由度更高，可以让用户来自定义需要绘制的某种原子某种轨道 (M) 的能带图；

2. dictpa指定原子，dictio 指定该原子的轨道；

3. get_projected_plots_dots_patom_pmorb函数中还可以使用 sum_atoms 功能将多个原子的贡献相加，该功能用户可以自行根据使用方法进行尝试；

注意：get_projected_plots_dots_patom_pmorb函数中序号是从1开始的；

执行代码可以得到以下能带图：

7.4 dos态密度数据处理

---

以应用教程中的反铁磁NiO体系的 dos.json 为例子：

（1） 总的态密度 ：

创建 dosplot_total.py 文件，具体代码如下：

from pymatgen.electronic_structure.plotter import DosPlotter
from dspawpy.io import get_dos_data

dos_data = get_dos_data("dos.json")
dos_plotter = DosPlotter(stack=False,zero_at_efermi=True)
dos_plotter.add_dos('total dos',dos=dos_data)

plt = dos_plotter.get_plot()
plt.savefig("dos_total.png",img_format="png")
plt.show()

• 第1、2行为需要导入的 python 库函数，这里用到了pymatgen中的 BSPloter 库，以及 dspawpy.io 中的 get_dos_data 函数；

• 第4行为读取 dos.json 文件构造 dos_data 这个结构体；

• 第5行为调用 DosPlotter 处理 dos_data 数据，括号中 stack=False 表示态密度作图方式为曲线， stack=True 表示作图方式为面积， zero_at_efermi 控制是否将零点设为费米能级；

• 第6行使用 add_dos 来定义要处理的对象 dos ，调用前边定义好的dos对象 dos_data

• 第8行使用 dos_plotter 下面的 get_plot 进行画图；

• 第9行为保存图片的名称和格式，这里将数据保存为png格式命名为 dos_total.png ；

• 第10行为显示图片，如果用户运行的环境无法直接显示图片，用户可以将第该行注释，之后打开 png 文件查看。

知识点：

1. 使用 get_dos_data 函数可以将DS-PAW计算得到的 dos.json 文件转化为 pymatgen 支持的格式；

2. 使用 DosPlotter模块获取到DS-PAW计算的 dos.sjon 的数据；

3. DosPlotter函数可以传递参数：stack参数表示画态密度是否加阴影， zero_at_efermi 表示是否在态密度图中进行将费米能量置零，这里设置 stack=False , zero_at_efermi=False ；

4. 使用 DosPlotter 模块中 add_dos 获取态密度的数据；

5. DosPlotter模块中 et_plot函数 绘制态密度图；

执行代码可以得到以下态密度图：

（2） 将态密度投影到不同的轨道上(L)：

创建 dosplot_spd.py 文件，具体代码如下：

from pymatgen.electronic_structure.plotter import DosPlotter
from dspawpy.io import get_dos_data

dos_data = get_dos_data("dos.json")
dos_plotter = DosPlotter(stack=False,zero_at_efermi=True)
dos_plotter.add_dos_dict(dos_data.get_spd_dos())

plt = dos_plotter.get_plot()
plt.savefig("dos_spd.png",img_format="png")
plt.show()

• 第1、2行是导入需要的 python 库函数，这里用到了 pymatgen 中的 DosPlotter 库，以及 dspawpy.io 中的 get_dos_data 函数；

• 第4行为读取 dos.json 文件构造 dos_data 这个结构体；

• 第5行为调用BSPlotterProjected处理 dos_data 数据，括号中 stack=False 表示态密度作图方式为曲线， stack=True 表示作图方式为面积， zero_at_efermi 控制是否将零点设为费米能级；

• 第6行使用 add_dos_dict 获取投影信息，对 dos_data 进行 get_spd_dos 操作，获得投影到轨道的信息；

• 第7行为保存图片的名称和格式，这里将数据保存为png格式命名为 dos_spd.png ；

• 第8行为显示图片，如果用户运行的环境无法直接显示图片，用户可以将该行注释，之后打开 dos_spd.png 文件查看。

知识点：

1. 使用 DosPlotter模块中 add_dos_dict 函数 获取投影态密度的数据，之后使用 get_spd_dos 将投影信息按照 spd 轨道投影输出；

执行代码可以得到以下态密度图：

（3） 将态密度投影到不同的元素上 ：

创建 dosplot_element.py 文件，具体代码如下：

# 导入pymatgen DosPlotter模块
from pymatgen.electronic_structure.plotter import DosPlotter
# 导入读取DS-PAW dos.json数据模块
from dspawpy.io import get_dos_data


dos_data = get_dos_data("dos.json")
dos_plotter = DosPlotter(stack=False,zero_at_efermi=True)

#按元素添加dos
dos_plotter.add_dos_dict(dos_data.get_element_dos())

#返回matplotlib.pyplot
plt = dos_plotter.get_plot()
plt.savefig("dos_element.png",img_format="png")
plt.show()

知识点：

1. 使用 DosPlotter模块中 add_dos_dict 函数 获取投影态密度的数据，之后使用 get_element_dos 将投影信息按照不同元素投影输出；

执行代码可以得到以下态密度图：

（4） 将态密度投影到不同的元素的不同轨道(M)上：

创建 dosplot_element_orbital.py 文件，具体代码如下：

from pymatgen.electronic_structure.plotter import DosPlotter
from pymatgen.electronic_structure.core import Orbital
from dspawpy.io import get_dos_data

dos_data = get_dos_data("dos.json")
dos_plotter = DosPlotter(stack=False,zero_at_efermi=False)
dos_plotter.add_dos("Ni dxy",dos_data.get_site_orbital_dos(dos_data.structure[0],Orbital(4)))
#dos_plotter.save_plot("dos_element_orbital.png",img_format="png")
dos_plotter.show()

知识点：

1. 使用 get_site_orbital_dos函数 提取dos数据中特定原子，特定轨道的贡献，这是获取第2个原子的第5个轨道的态密度 dos_data.structure[0],Orbital(4) ；

2. 之后使用 DosPlotter模块中 add_dos函数 进行画图；

注意：get_site_orbital_dos函数中序号是从0开始的；

执行代码可以得到以下态密度图：

（5） 将态密度投影到不同的原子的t2g轨道和eg轨道上：

以应用案例NiO的反铁磁计算得到的 dos.json 为例，

创建 dosplot_t2g_eg.py 文件，具体代码如下：

from pymatgen.electronic_structure.plotter import DosPlotter
from dspawpy.io import get_dos_data

dos_data = get_dos_data("./dos.json")
dos_plotter = DosPlotter(stack=False,zero_at_efermi=True)
dos_plotter.add_dos_dict(dos_data.get_site_t2g_eg_resolved_dos(dos_data.structure[1]))
dos_plotter.save_plot("dos_t2g_eg.png",img_format="png")
dos_plotter.show()

• 第1，2行为需要导入的 python 库函数，这里用到了pymatgen中的 DosPlotter 库，以及我们自己写的 dspawpy.io 中的 get_dos_data 函数；

• 第4行为读取 dos.json 文件构造 dos_data 结构体；

• 第5行为调用DosPlotter处理dos_data数据，括号中 stack=False 表示态密度作图方式为曲线， stack=True 表示作图方式为面积， zero_at_efermi 控制是否将零点设为 费米能级 ；

• 第6行使用 add_dos_dict 获取 投影信息 ，对dos_data进行 get_site_t2g_eg_resolved_dos 操作，获得 投影到轨道 的信息；

• 第7行为保存图片的名称和格式，这里将数据保存为png格式命名为 dos_t2g_eg.png ；

• 第8行为显示图片，如果用户运行的环境无法直接显示图片，用户可以将该行注释了，之后打开 dos_t2g_eg.png 文件查看。

2. 执行 python dosplot_t2g_eg.py ；

3. 生成 dos_t2g_eg.png 文件

知识点：

1. 使用 get_site_t2g_eg_resolved_dos函数 提取dos数据中特定原子的 t2g和 eg轨道的贡献，这是获取第1个原子的t2g和eg轨道的贡献；

2. 之后使用 DosPlotter 模块中 add_dos_dict函数 进行画图；

7.5 bandDos能带和态密度共同显示

---

以应用教程中Si体系的 band.json 和 dos.json 为例子：

（1） 将能带和态密度显示在一张图上：

创建 banddosplot.py 文件，具体代码如下：

# 导入pymatgen BSDOSPlotter 画图模块
from pymatgen.electronic_structure.plotter import BSDOSPlotter
# 导入dspawpy 读取DS-PAW band.json,dos.json模块
from dspawpy.io import get_band_data,get_dos_data

# 读取dos.json, 参数dos.json文件路径
dos_data = get_dos_data("./data/dos.json")
# 读取band.json, 参数band.json文件路径
band_data = get_band_data("./data/band.json")

bdp = BSDOSPlotter()

# 绘制BandDos图，返回matplotlib.pyplot
plt = bdp.get_plot(bs=band_data,dos=dos_data)

# 保存png图片
plt.savefig("banddos.png",img_format="png")
# 显示图片
plt.show()

知识点：

1. 首先使用 dspawpy.io 中的 get_band_data 和 get_dos_data 模块获取 band.json 和 dos.json 的数据；

2. 之后使用 BSDOSPlotter模块中的 get_plots函数 直接进行画图；

3. 如果需要将投影能带和投影态密度画在一起，可以参考前面单独画图的代码。

执行代码可以得到以下能带态密度图：

7.6 potential势函数数据处理

---

以Si的slab模型的 potential.json 为例：

（1） 势函数转化为VESTA能够支持的三维显示格式：

创建 trans_VESTA.py 文件，具体代码如下：

import json
from dspawpy.io import write_VESTA_format

with open("./potential.json","r") as file:
      potential= json.load(file)

write_VESTA_format(potential["AtomInfo"], [potential["Potential"]["TotalElectrostaticPotential"], potential["Potential"]], "DS-PAW.vesta")

• 第1，2行为需要导入的 python 库函数；

• 第4，5行为需要读取的 json 文件，这里 ./potential.json 指的时读取当前路径下的 potential.json ，如果需要读取其他的 json* 文件可以自行修改；

• 第6行为执行 write_VESTA_format 函数，将数据保存为 VESTA 可识别的格式，其中 potential["AtomInfo"] 为读取 potential.json 中的晶格及坐标信息, potential["Potential"]["TotalElectrostaticPotential"] 为 potential.json 中总的静电势的三维数据, "DS-PAW- potential.vesta" 表示将这些数据写入到 DS-PAW- potential.vesta 文件中；

VESTA展现的效果可以通过设置VESTA中Isosurface level数值来调节，具体步骤为VESTA-properties-Isosurfaces-Isosurface level

知识点：

1. 使用 with open语法 加载需要处理的三维网格数据；

2. 使用 write_VESTA_format函数 可以将三维数据保存为VESTA格式的数据，其中 potential["AtomInfo"] 为晶格信息， potential["Potential"]["TotalElectrostaticPotential"] 总的静电势的数据，之后将数据命名为 DS-PAW.vesta ；

3. write_VESTA_format 支持输出多个网格数据，例如想要保存总的和自旋静电势，命令如下：write_VESTA_format(potential["AtomInfo"], [potential["Potential"]["TotalElectrostaticPotential"], potential["Potential"]["SpinElectrostaticPotential"]], " DS-PAW.vesta ") ；

4. 处理部分电荷密度文件pcharge.json时，最后一行代码应可参考write_VESTA_format(pcharge["AtomInfo"], [pcharge["Pcharge"][0]["TotalCharge"]], "DS-PAW-pcharge.vesta")格式，其中[0]对应json文件中第1条待测能带电荷密度的三维数据，若需处理第2条能带该关键词应写作[1]。

执行代码可以得到VESTA支持的数据，将数据拽入VESTA中得到以下势函数三维图：

（2） 将三维势函数进行面内平均：

创建 plot _planar_macroscopic.py 文件，具体代码如下：

import json
import numpy as np
from dspawpy.plot import plot_potential_along_axis

with open("./potential.json","r") as file:
    potential = json.load(file)

grid = potential["AtomInfo"]["Grid"]
pot= np.asarray(potential ["Potential"]["TotalElectrostaticPotential"]).reshape(grid,order="F")

plt = plot_potential_along_axis(pot,axis=2,smooth=False)
plt.legend()
plt.show()

• 第1，2，3行为需要导入的 python 库函数，这里用到了 dspawpy.io 中的 plot_potential_along_axis 函数；

• 第5，6行为需要读取的 json 文件，这里 ./potential.json 指的时读取当前路径下的 potential.json ，如果需要读取其他的 json 文件可以自行修改；

• 第8行为获取grid，其中 potential["AtomInfo"]["Grid"] 为读取 potential.json 中的晶格及坐标信息;

• 第9行为执行 pot 函数，其中 potential["Potential"]["TotalLocalPotential"] 为读取 potential.json 中的局部势能信息,

• 第11行调用 plot_potential_along_axis 函数作图， smooth=False 则不作宏观平均图；

• 第12行为设置图例；

• 第13行为显示图片

知识点：

1. 进行面内平均及宏观平均时需要使用到 numpy 的库；

2. DS-PAW软件中三维的数据都是按照一维的格式保存的，因此需要使用 np.asarray函数 将一维数据还原成3维数据；

3. 之后使用 plot_potential_along_axis 将某两个维度进行求平均，之后将剩下的维度数据进行绘图；

4. plot_potential_along_axis的第一个变量为三维格点数据，第二个为沿着某个维度画图，将另外两个维度求平均，第三个参数为是否绘制宏观平均的曲线，第四个参数为宏观平均算法中的权重；

执行代码可以得到以下势函数图：

7.7 elf电子局域密度数据处理

---

以快速入门Si电子局域密度计算计算得到的 elf.json 为例：

1. 在计算目录中新建一个 trans_elf.py 文件，内容如下：

import json
from dspawpy.io import write_VESTA_format

with open("./elf.json","r") as file:
      elf = json.load(file)

write_VESTA_format (elf ["AtomInfo"], [elf ["ELF"]["TotalELF"]], "DS-PAW-elf.vesta")

• 第1，2行为需要导入的 python 库函数

• 第4，5行为需要读取的 json 文件，这里 ./elf.json 指的时读取当前路径下的 elf.json ，如果需要读取其他的 json 文件可以自行修改；

• 第7行为执行 write_VESTA_format 函数，将数据保存为 VESTA 可识别的格式，其中 elf["AtomInfo"] 为读取 elf.json 中的晶格及坐标信息， elf ["ELF"]["TotalELF"] 为读取 elf.json 中总的局域电荷密度的三维数据, DS-PAW- elf.vesta 表示将这些数据写入到 DS-PAW- elf.vesta 文件中；

2. 执行 python trans_ elf.py ；

3. 得到转换后的文件 DS-PAW-elf.vesta ，将其重命名为 elf.vasp 以便在 VESTA 显示；

4. 将 elf.vasp 文件拖入 VESTA 中则可得到如下的势能图，展现的效果可以通过设置VESTA中 Isosurface level 数值来调节，具体步骤为 VESTA-properties-Isosurfaces-Isosurface level 。

7.8 pcharge部分电荷密度数据处理

---

以快速入门石墨烯部分电荷密度计算得到的 pcharge.json 为例：

1. 在计算目录中新建一个 trans_pcharge.py 文件，内容如下：

import json
from dspawpy.io import write_VESTA_format

with open("./pcharge.json","r") as file:
      pcharge= json.load(file)

write_VESTA_format(pcharge["AtomInfo"], [pcharge["Pcharge"][0]["TotalCharge"]], "DS-PAW-pcharge.vesta")

• 第1，2行为需要导入的 python 库函数

• 第4，5行为需要读取的 json 文件，这里 ./pcharge.json 指的时读取当前路径下的 pcharge.json ，如果需要读取其他的 json 文件可以自行修改；

• 第7行为执行 write_VESTA_format 函数，将数据保存为 VESTA 可识别的格式，其中 pcharge["AtomInfo"] 为读取 pcharge.json 中的晶格及坐标信息， pcharge["Pcharge"][0]["TotalCharge"] 为 pcharge.json 中第1条待测能带电荷密度的三维数据，此例中为能带4的数据，若写作 pcharge["Pcharge"][1]["TotalCharge"] 则读取能带5的数据, DS-PAW-pcharge.vesta 表示将这些数据写入到 DS-PAW-pcharge.vesta 文件中；

2. 执行 python trans_pcharge.py ；

3. 得到转换后的文件 DS-PAW-pcharge.vesta ，将其重命名为 pcharge.vasp 以便在 VESTA 显示；

4. 将 pcharge.vasp 文件拖入 VESTA 中则可得到如下的势能图，展现的效果可以通过设置vesta中 Isosurface level 数值来调节，具体步骤为 vesta-properties-Isosurfaces-Isosurface level 。

7.9 optical光学性质数据处理

---

以快速入门Si体系光学性质计算得到的 optical.json 为例：

（1） 反射率数据处理：

创建 optical.py 文件，具体代码如下：

import matplotlib.pyplot as plt
from dspawpy.plot import plot_optical

plot_optical("./optical.json","Reflectance",index=0)

plt.xlabel('Photon energy (eV)', fontsize=16)
plt.ylabel('Reflectance', fontsize=16)
plt.tick_params(labelsize=16)

plt.savefig("optical.png",img_format="png")
plt.show()

• 第1，2行为需要导入的 python 库函数；这里用到了 matplotlib 库，以及我们自己写的 dspawpy.plot 中的 plot_optical 模块

• 第4行调用 plot_optical 处理 optical.json 文件中 Reflectance 部分的数据，其中 Reflectance 为 optical.json 文件中的部分数据，这里用户可以根据需要自行修改，若需要处理其他光学性质的数据，可替换该参数为 AbsorptionCoefficient 或 ExtinctionCoefficient 或 RefractiveIndex

• 第6-8行设置x轴y轴的名称以及标签字体大小

• 第9行为保存图片的名称和格式，这里将数据保存为png格式命名为 optical.png

• 第10行为显示图片，如果用户运行的环境无法直接显示图片，用户可以将该行注释，之后打开 optical.png 文件查看。

知识点：

1. Reflectance为光学性质中的一种，用户可以根据自己的需求将该关键词修改为“AbsorptionCoefficient”或”ExtinctionCoefficient”或”RefractiveIndex”，分别对应吸收系数、消光系数和折射率；

执行代码可以得到以下反射率随能量变化的曲线：

7.10 neb过渡态计算数据处理

---

以快速入门Pt体系的过渡态计算得到的 neb.json 为例：

（1） 输入文件之生成中间构型：

创建 neb_structure.py 文件，具体代码如下：

from dspawpy.io.structure import from_dspaw_as
from dspawpy.diffusion.neb import NEB,write_neb_structures

#导入初态构型
init_struct = from_dspaw_as("./structure00.as")
#导入末态构型
final_struct = from_dspaw_as("./structure06.as")

#设置插点个数
neb = NEB(init_struct,final_struct,5)
structures = neb.idpp_interpolate()

#修改文件夹存储路径
write_neb_structures(structures,True,"as","./neb")

知识点：

1. 用户可以根据需要自行修改插点个数，设置为任意插值的序号即可

执行代码可以得到包含7个结构文件的文件夹，其中新生成的中间构型为5个。

（2） 过渡态计算数据处理：

创建 neb.py 文件，具体代码如下：

import json
from pymatgen.core import Structure
from pymatgen.io.vasp import Poscar
from dspawpy.io.structure import to_file,from_hzw,from_dspaw_as,from_dspaw_atominfo
from dspawpy.diffusion.neb import NEB,write_neb_structures,plot_neb_barrier,plot_neb_converge
import matplotlib.pyplot as plt

plot_neb_barrier("./neb.json")
plt.xlabel('Reaction Coordinate',fontsize=16)
plt.ylabel('Energy (eV)',fontsize=16)
plt.tick_params(labelsize = 16)
plt.savefig("neb_reaction_coordinate.png",img_format="png")
plt.show()

plot_neb_converge("./neb.json","03")
plt.savefig("neb_ionic_step.png",img_format="png")
plt.show()

• 第1-6行为需要导入的 python 库函数

• 第8行为调用 plot_neb_barrier 函数处理 json 文件作反应势垒图，这里 ./neb.json 指的时读取当前路径下的 neb.json

• 第9-11行设置x轴y轴的名称以及标签字体大小

• 第12行为保存图片的名称和格式，这里将数据保存为png格式命名为 neb_reaction_coordinate.png

• 第13行为显示图片，如果用户运行的环境无法直接显示图片，用户可以将该行注释，之后打开 neb_reaction_coordinate.png 文件查看

• 第15行为调用 plot_neb_converge 函数处理 json 文件作 03 构型的弛豫受力图

• 第16行为保存图片的名称和格式

• 第17行为显示图片

知识点：

1. 作能量和力在离子弛豫过程中的变化曲线时，03为处理插入的第3个构型的数据，这里用户可以根据需要自行修改，设置为任意插值的序号即可；

执行代码可以得到以下能量随反应路径变化曲线：

7.11 phonon声子计算数据处理

---

以Au体系的声子能带态密度计算得到的 phonon.json 为例：

（1） 声子能带数据处理：

创建 phonon_bandplot.py 文件，具体代码如下：

from pymatgen.phonon.plotter import PhononBSPlotter
from dspawpy.io import get_phonon_band_data

band_data = get_phonon_band_data("./phonon.json")

bsp =  PhononBSPlotter(band_data)
plt = bsp.get_plot()

plt.savefig("phonon_bandplot.png",img_format="png")
plt.show()

• 第1、2行为需要导入的 python 库函数，这里用到了pymatgen中的 PhononBSPlotter 库，以及 dspawpy.io 中的 get_phonon_band_data 函数；

• 第4行为读取 phonon.json 文件构造 band_data 这个结构体；

• 第6行为调用 PhononBSPlotter 处理 band_data 数据；

• 第7行为使用 bsp 下的 get_plot 进行画图；

• 第9行为保存图片的名称和格式，将数据保存为png格式命名为 phonon_bandplot.png ；

• 第10行为显示图片，如果用户运行的环境无法直接显示图片，用户可以将该行注释，之后打开 phonon_bandplot.png 文件查看。

执行代码可以得到以下声子能带曲线：

（2） 声子态密度数据处理：

创建 phonon_dosplot.py 文件，具体代码如下：

from pymatgen.phonon.plotter import PhononDosPlotter
from dspawpy.io import get_phonon_dos_data

dos = get_phonon_dos_data("phonon.json")

dp = PhononDosPlotter()
dp.add_dos("Phonon",dos)
plt = dp.get_plot()

plt.savefig("phonon_dosplot.png",img_format="png")
plt.show()

执行代码可以得到以下声子态密度曲线：

7.12 aimd分子动力学模拟数据处理

---

以快速入门 \(H_{2}O\) 分子体系分子动力学模拟得到的 aimd.json 为例：

（1） 分子动力学模拟数据处理：

创建 aimd2pdb.py 文件，具体代码如下：

import json
from dspawpy.io.structure import from_dspaw_atominfos,to_pdb

with open("./aimd.json","r") as file:
    aimd = json.load(file)

structures = from_dspaw_atominfos(aimd["Structures"])
to_pdb(structures,"aimd.pdb")

• 第1，2行为需要导入的 python 库函数

• 第4，5行为需要读取的 json 文件，这里 ./aimd.json 指的是读取当前路径下的 aimd.json ，如果需要读取其他的 json 文件可以自行修改

• 第7行为调用 from_dspaw_atominfos 处理 structure 的数据

• 第8行将处理的数据转为 pdb 格式

执行代码可以得到包含体系原子径向分布信息的文件 aimd.pdb ，得到通用轨迹pdb文件后，就可以利用vmd等分子动力学后处理软件进行分析。 例如VMD中处理RDFs操作步骤：File - New Molecule - browse - open - Load - Extensions - Analysis - Radial Pair Distribution Function g(r) - Selection 1: element H , selction 2: element O - compute g(r)