【头歌-Python】9.1 X射线衍射曲线绘制(project)第3~4关
第3关：X 射线衍射曲线峰值
任务描述
本关任务：读文件中的数据绘制线图形并加绘制峰值。
相关知识
为了完成本关任务，你需要掌握：
- python 读取文件中的数据
- 使用 matplotlib 绘制图形
python 读取文件
python读取文件可以用以下函数实现：
def read_file(file):
""" 读文件file， 返回值为二维列表，其中数据是字符串类型。 """
with open(file, 'r', encoding='utf-8') as file:
data_list = [line.strip().split() for line in file]
return data_list
读为数值类型
def read_file(file):
""" 读文件file， 返回值为二维列表，其中数据是数值类型。 """
with open(file, 'r', encoding='utf-8') as file:
data_list = [list(map(float,line.strip().split())) for line in file]
return data_list
编程要求
根据提示，在右侧编辑器中补充代码，绘制 X 射线衍射峰值图。具体要求如下：
- 找出最高的5个峰，输出峰点坐标，
- 在图上标注峰点的纵坐标值，坐标值从数据中读取，参数参模板中要求。
- 绘制横坐标[5,25]之间的曲线图
- 图名为“X射线衍射图谱”
- 纵坐标标签为“Intensity”,横坐标标签为“2d”，
- 设置线颜色为“红色”，实线。
- 绘制红色破折线为横坐标轴，
- 要求中文显示正常，宋体’SimSun’，字号用默认值。
测试说明
平台会对你编写的代码进行测试：
输出示例：
参考代码
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimSun']
plt.rcParams['axes.unicode_minus'] = False
def read_file(file):
""" 读文件file， 返回值为二维列表，其中数据是字符串类型。 """
with open(file, 'r') as f:
data_list = [list(map(eval, line.strip().split())) for line in f.readlines()[1:]]
return data_list
def top_five_peak(data_list):
"""参数为读文件获得的数据列表，返回纵坐标值最大的5个峰的坐标的列表，降序排序。"""
res = sorted(data_list, key=lambda x:x[1], reverse=True)
return res[:5]
def plot_xrd(data_list):
"""接收二维列表为参数，绘制曲线，红色实线"""
x = [d[0] for d in data_list]
y = [d[1] for d in data_list]
plt.plot(x, y, 'r')
def mark_peak(peak_ls):
"""参数为峰值数据列表，在指定的坐标点加注释。注释标记点相对横坐标偏移+30，纵坐标等高，
注释文本为峰高，即y 值，注释文本字号为12，箭头类型"->"。
"""
for x, y in peak_ls:
plt.annotate(f'{y}', xy=(float(x), float(y)), xytext=(+30, 0),
textcoords='offset points', fontsize=12,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
def add_label():
"""增加坐标轴标识与图名"""
plt.xlim(5, 25)
plt.axhline(0, linestyle='--', color='b')
plt.title("X射线衍射图谱")
plt.xlabel("2d")
plt.ylabel("Intensity")
if __name__ == '__main__':
data = read_file('XRD_AFO.txt')
peak_lst = top_five_peak(data)
plot_xrd(data)
mark_peak(peak_lst)
add_label()
plt.savefig('result/result.jpg')
plt.show()
第4关：X 射线衍射曲线多子图绘制
任务描述
本关任务：使用matplotlib绘制图形。
相关知识
为了完成本关任务，你需要掌握：
- python 读取文件中的数据
- 多子图绘图
python 读取文件
python读取文件可以用以下函数实现：
def read_file(file):
""" 读文件file， 返回值为二维列表，其中数据是字符串类型。 """
with open(file, 'r', encoding='utf-8') as file:
data_list = [line.strip().split() for line in file]
return data_list
读为数值类型
def read_file(file):
""" 读文件file， 返回值为二维列表，其中数据是数值类型。 """
with open(file, 'r', encoding='utf-8') as file:
data_list = [list(map(float,line.strip().split())) for line in file]
return data_list
编程要求
根据提示，在右侧编辑器中补充代码，绘制 X 射线衍射曲线区域图。具体要求如下：
将画布分为三个区域，上面一个区域绘制完整XRD曲线，设置x轴范围为[5, 25]; 下面两个区域各放置x轴范围为[6.7, 7.0]和x轴范围为[9.5, 10.0]的局部放大图，使用户可以清晰的查看重叠的峰的区域。
提示：
第一个子图的绘制要求与第3关相同
测试说明
平台会对你编写的代码进行测试：
输出示例：
参考代码
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimSun']
plt.rcParams['axes.unicode_minus'] = False
def read_file(file):
""" 读文件file， 返回值为二维列表，其中数据是字符串类型。 """
with open(file, 'r') as f:
data_list = [list(map(eval, line.strip().split())) for line in f.readlines()[1:]]
return data_list
def top_five_peak(data_list):
"""参数为读文件获得的数据列表，返回纵坐标值最大的5个峰的坐标的列表，降序排序。"""
res = sorted(data_list, key=lambda x:x[1], reverse=True)
return res[:5]
def plot_xrd(data_list):
"""接收二维列表为参数，绘制曲线，红色实线"""
x = [d[0] for d in data_list]
y = [d[1] for d in data_list]
plt.subplot(211)
plt.plot(x, y, 'r')
add_label()
def mark_peak(peak_ls):
"""参数为峰值数据列表，在指定的坐标点加注释。注释标记点相对横坐标偏移+30，纵坐标等高，
注释文本为峰高，即y 值，注释文本字号为12，箭头类型"->"。
"""
for x, y in peak_ls:
plt.annotate(f'{y}', xy=(float(x), float(y)), xytext=(+30, 0),
textcoords='offset points', fontsize=12,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
def add_label():
"""增加坐标轴标识与图名"""
plt.xlim(5, 25)
plt.axhline(0, linestyle='--', color='b')
plt.title("X射线衍射图谱")
plt.xlabel("2d")
plt.ylabel("Intensity")
def sub_xrd(data_list):
"""接收二维列表为参数，在第二行第1和2列绘制x值在[6.7, 7.0]和[9.5, 10]间曲线"""
x = [d[0] for d in data_list]
y = [d[1] for d in data_list]
plt.subplot(223)
plt.plot(x, y, 'b')
plt.xlim(6.7, 7.0)
plt.subplot(224)
plt.plot(x, y, 'b')
plt.xlim(9.5, 10)
if __name__ == '__main__':
data = read_file('XRD_AFO.txt')
peak_lst = top_five_peak(data)
plot_xrd(data)
mark_peak(peak_lst)
sub_xrd(data)
plt.savefig('result/result.jpg')
plt.show()