【科研绘图】VESTA中如何优雅地只显示特定原子周围的电荷密度？

看到后台暴增的关注和留言，我深切感受到了大家平时被“科研体力活”支配的恐惧。

上一篇我们解决了“空间可视化”的痛点，今天这篇，飞鸟带你玩点“硬核”的，解决大家做 DFT 计算时最头疼的数据提取问题。

😭 痛点：被复制粘贴支配的恐惧

做 VASP 计算的小伙伴肯定懂这种痛：

想象一下，你最近在跑一个复杂体系的表面吸附模型（比如我最近常跟 MOF 衍生碳电极、或者高熵体系打交道）。光是测试不同吸附位点、或者做截断能（ENCUT）和 K 点的收敛测试，随便一跑就是几十上百个文件夹。

你的常规操作是不是这样的：

1. 点开 test_1 文件夹。
2. 打开 OUTCAR 或者 OSZICAR。
3. 疯狂往下拉，或者用 grep "free  energy"。
4. 找到那行数字，小心翼翼地 Ctrl+C。
5. 切到 Excel，Ctrl+V。
6. 重复以上动作 50 次……

眼睛看花了不说，只要中间手一抖抄错一个符号，后面的能量差值全错，心态直接原地爆炸💥。

拒绝机械劳动！ 今天，我们用几行 Python 代码，让工具替我们把这一天的活儿在 3 秒钟内干完！

🛠️ 效率革命：Python 自动化提取

其实，提取数据无非就是“遍历文件夹 -> 找文件 -> 匹配关键词 -> 提取数字”。这正是 Python 最擅长的事情。

只需要用到我们最熟悉的几个基础库：os（处理路径）、pandas（处理数据表格）、matplotlib（画图）。

下面是飞鸟为大家准备的“拿来主义”模板代码，直接复制就能用！

核心代码：一键提取并画图

假设你的测试任务都放在了名为 ENCUT_300, ENCUT_350, ENCUT_400... 这样的文件夹里。我们在这些文件夹的上一级目录新建一个 Python 脚本运行：

import osimport pandas as pdimport matplotlib.pyplot as plt# 1. 初始化列表，用来存我们要的数据data_list = []# 2. 遍历当前目录下的所有文件夹for folder in os.listdir('.'):if os.path.isdir(folder) and folder.startswith('ENCUT'): # 识别特定文件夹# 提取文件名中的变量（比如把 ENCUT_400 里的 400 提取出来作为 X 轴）        encut_value = int(folder.split('_')[1])        outcar_path = os.path.join(folder, 'OUTCAR')# 3. 检查 OUTCAR 是否存在if os.path.exists(outcar_path):with open(outcar_path, 'r') as file:                lines = file.readlines()# 从后往前找，提取最后一步的收敛能量for line in reversed(lines):if'free  energy   TOTEN'in line:# 提取这一行的能量数值                        energy = float(line.split('=')[-1].strip().split()[0])# 将结果存入列表                        data_list.append({'ENCUT': encut_value, 'Energy(eV)': energy})break# 找到就跳出循环# 4. 用 Pandas 转换成漂亮的数据表格，并按 ENCUT 排序df = pd.DataFrame(data_list)df = df.sort_values(by='ENCUT').reset_index(drop=True)# 打印出来看看结果print("提取的数据如下：")print(df)# 5. 用 Matplotlib 直接生成趋势图plt.figure(figsize=(8, 5))plt.plot(df['ENCUT'], df['Energy(eV)'], marker='o', linestyle='-', color='#1f77b4', linewidth=2)plt.title('Energy Convergence Test', fontsize=14, fontweight='bold')plt.xlabel('ENCUT (eV)', fontsize=12)plt.ylabel('Total Energy (eV)', fontsize=12)plt.grid(True, linestyle='--', alpha=0.6)plt.tight_layout()# 保存并显示图片plt.savefig('convergence_plot.png', dpi=300)plt.show()print("搞定！图片已保存为 convergence_plot.png")

✨ 见证奇迹的时刻

运行这段代码后，你会立刻得到两样东西：

第一样： 终端里直接打印出排列得整整齐齐的表格，你可以一键复制进论文的数据支撑文件里。第二样： 当前目录下自动生成了一张漂亮、带数据点和网格线的趋势图，直接就能拿去给导师汇报！

💡 飞鸟的进阶小贴士

• 举一反三： 这个脚本的逻辑非常通用！如果你在做过渡态寻找（NEB）或者分子动力学（AIMD），只需要把搜索的关键词从 free  energy   TOTEN 换成你需要的关键词（比如力、磁矩、或者特定原子的坐标），代码依然完美运行。
• 数据清理：pandas 这个库非常强大，提取出来后，你可以直接在代码里让它计算相邻两项的能量差（df['dE'] = df['Energy(eV)'].diff()），连打开计算器的步骤都省了。

把生命浪费在有价值的思考上，而不是无意义的 Ctrl+C/V 上。这才是我们掌握工具的意义！

今天的代码你看懂了吗？赶紧去你的服务器或者本地环境里跑跑看吧！如果遇到报错，或者有想提取却不知道怎么写正则匹配的复杂数据，欢迎在评论区留言交流👇

你想在下一篇推文中看到关于机器学习（ML）是如何辅助材料筛选的吗？（比如如何绕过海量的 DFT 计算直接预测结果？）如果要看的话，请在后台回复“想看”，我来为你准备干货！

点击阅读原文：加入讨论qq群|关注主页github有可直接下载开源脚本文件