同步撕裂快速热退火（rta）x射线衍射（xrd）数据分析项目
rtapylysis的Python项目详细描述
#Rtapylysis
实验**。
>；此自述文件适用于某些人，这些人可以使用[**\u rtapylysis\u**]（https://github.com/sdey135/rtapylysis.git）中的函数来分析类似类型的同步加速器RTA数据。已经在Linux、Mac和Windows操作系统上测试了[**氝rtapylysis氝]（https://github.com/sdey135/rtapylysis.git）。
强烈建议安装[anaconda python]（https://www.continuum.io/downloads/），该软件包将包括使用[**\u rtapylysis\u**]（https://github.com/sdey135/rtapylysis.git）所需的所有python包，但不包括一个。
2。需要安装python包[seaborn]（http://seaborn.pydata.org）：
*如果安装了[蟒蛇]（https://www.continuum.io/downloads/），那么如果安装了[pip]（https://pip.pypa.io/en/stable/）则
```````
``````
*```
$pip install——用户seaborn
```
>3。对于裸版python 2.7.12，在运行脚本之前必须安装以下程序包：`numpy`、`scipy`、`matplotlib`、`seaborn`，以及已经安装的python程序包`os`和`sys`.
```
$pip install--user package`用户名`，其中，软件包名称：numpy、scipy、matplotlib、seaborn
````
它可以直接从rtapylysis的[**\u github存储库]（https://github.com/sdey135/rtapylysis.git）下载到任何名为**\u target\u**的用户目录。无需安装。
2.或者，[**u rtapylysis（https://github.com/sdey135/rtapylysis.git）可以使用"pip"安装：
`````
$pip install--用户rtapylysis
````
*对于**linux操作系统**，上面的命令将在**u target=`$home/.local/lib/pythonx.y/site packages/`where`pythonx.y=`python2.7\`for`u python 2.7.12\`where`python--version`for`u python version`中安装[**\u rtapylysis.git]（https://github.com/sdey135/rtapylysis.git）。
*对于**Mac操作系统**，请参阅此[stackoverflow链接]（http://stackoverflow.com/questions/7143077/how-can-i-install-packages-in-my-home-folder-with-pip）以获取**u target的值。
$target和**u target路径）。然后使用以下命令运行示例脚本：
*获取包含在**u$target/example/**
````
$python run`u rta map.py
````
*获取包含在其中的rta分析示例.mat文件**$target/example/**
```
$python run廑rtapylysis.py
````
注意：当前工作目录中与**example廑rtamap.png廑和**example廑rtapylysis.png廑同名的任何以前的文件在执行上述python时都将被覆盖，而无需任何提示脚本。
9492——phasec.txt
-示例
run_rtapylysis.py
```
`func_rtapylysis.py`包含以下函数：
1。rtamap
2.分析
3.布尔什D
4.获取qhkl
5。上划线
6.绘制垂直线
7。[基线]（https://bitbucket.org/lucashnegri/peakutils/src/cf22985cc1b4ea32cbd201e368593caf598d71/peakutils/baseline.py？at=master&；fileviewer=file view default）（从[peakutils]复制（http://pythonhosted.org/peakutils/）
8。[savitzky_golay]（http://scipy.github.io/old-wiki/pages/cookbook/savitzkygolay）（抄袭自[scipy]（https://www.scipy.org/）
`detect_peaks.py`，作者是[**marcos duarte**]（https://github.com/demou）包含以下功能：
1。检测峰值
2。_ plot
子目录example包含一个mat file**u example.mat**，一个文本文件example**u structure.txt**，以及两个图像文件**u example_artamap.png_arra和**u example_artapylysis.png_arra，分别显示了可以使用"run_artamap.py"和"run_artapylysis.py"对**u example.mat_arra中的RTA数据进行典型数据分析的示例。文件**example\u structure.txt包含有关输入数据文件**example.mat的结构的信息。为了使数据分析工作顺利进行，必须在**example.mat**之后紧接着**example.txt**构造用户的新matfile。在这种情况下，最好将新的matfiles保存在**u example**子目录下，这样"run\rtamap.py"和"run\rtapylysis.py"可以在最少的更改下运行。
子目录dhkl_dir包含阶段标识所需的三个文本文件，即，**_phasea.txt、phaseb.txt和phasec.txt。据推测，新的matfile中的数据将代表不同的阶段，用户还需要构建新的索引文件，并将其保存在**u dhkl_dir_**中，作为与其中一个dhkl_文件结构类似的文本文件，例如，在**u phasea.txt之后，它是一个以空格分隔的文本文件，至少有4列，值为h、k、l和d-间距（以埃为单位；随着文件中的行号减少）。文件必须包含一个空格分隔的头，例如h k l d_in_angstrom。此文件可从[ICSD]获取（https://www.fiz-karlsruhe.de/icsd.html），或使用[vesta]生成（http://jp-minerals.org/vesta），或手动准备。（hkl）值和d间距值是特定于所考虑的特定晶体学相的。
此外，还包括两个用户友好的python脚本文件："run_artamap.py"、"run_artapylysis.py"。这些脚本文件将由用户编辑以进行数据分析。这些文件包含的指令是不言而喻的。脚本可以写在一个文件或在相同实验条件下收集的一系列文件上。
输入数据（例如，example.mat）由在样品快速加热时在不同温度下采集的一系列强度与Q矢量的数据组成。
"rtamap"函数将此数据作为输入，并创建一个以温度为x轴、d间距（从q矢量计算）为y轴、强度值为z轴的图，用于初始数据可视化（有关详细信息，请参见"run_rtamap.py"）。
"rtapylysis"函数将相同的输入数据（例如example.mat）作为其输入，并创建第一个子图，其中温度为x轴，d间距（从q矢量计算）为y轴，强度值为z轴。在分析过程中，这个二维地图被命名为"rta:full range"。
用户可以选择温度和d-间距值的子区域，以获得第二个子图，该子图可以对所有扫描应用实时多项式背景减法。第二个子图在最终图中命名为"rta:partial"。在研究厚度为2-3纳米的薄膜和超薄薄膜时，动态背景减法步骤对于从噪声中分离有意义的信号特别有用。
"rtapylysis"功能还可以在用户选择的3个温度值（即repr）下输出3个"强度与d间距"子图。存在三种不同的与温度有关的相。假设用户能够向三个文本文件提供有关该特定阶段的预期XRD峰值位置的信息（有关详细信息，请参见"run_rtapylysis.py"），则"rtapylysis"函数还将使用用户提供的索引信息注释3个XRD子图。
"rtapylysis"功能将用户给定的d间距范围中减去峰值后的背景下的区域集成在一起，并将所有集成的峰值区域绘制到一个单独的子图中，该子图的侧面带有峰值标识符。
最后，"rtapylysis"函数根据单个积分峰面积的梯度确定过渡温度，并用这些值注释积分峰面积的梯度子图。
"rtapylysis"函数输出一个出版物质量图，将所有七个子图组合在一起。
"run棼rtamap.py"和"run棼rtapylysis.py"的示例输出包含在下面。
###用于初始数据可视化的RTA图
！[示例rtamap]（https://cloud.githubusercontent.com/assets/20307497/22233758/8e445f52-e1c0-11e6-9e47-bec9bccada86.png）
2.###分析RTA图
！[示例分析]（https://cloud.githubusercontent.com/assets/20307497/22233772/bd09c084-e1c0-11e6-8961-fc42a37656d0.png）
如果出现问题，请确保系统的"pythonpath"中存在[**u rtapylysis（https://github.com/sdey135/rtapylysis.git）。
S.Dey等人将于2017年出版。[A.Savitzky，M.J.E.Golay，用简化最小二乘法对数据进行平滑和区分，分析化学，1964，36（8），第1627-1639页]（https://dx.doi.org/10.1021/ac60214a047）。
3.[数字食谱第三版：科学计算的艺术，W.H.出版社，S.A.Teukolsky，W.T.Vetterling，B.P.Flannery，剑桥大学出版社ISBN-13:9780521880688]（http://dl.acm.org/citation.cfm？id=1403886）。
4.[**marcos duarte**]（https://github.com/demotu/bmc/blob/master/notebooks/detect peaks.ipynb）编写的[**marcos duarte**]（https://github.com/demotu）包含在[**u rtapylysis**]（https://github.com/sdey135/rtapylysis.git）中。
5.[Peakutils]（http://pythonhosted.org/peakutils/）。
6.[scipy]（https://www.scipy.org/）。
实验**。
>；此自述文件适用于某些人，这些人可以使用[**\u rtapylysis\u**]（https://github.com/sdey135/rtapylysis.git）中的函数来分析类似类型的同步加速器RTA数据。已经在Linux、Mac和Windows操作系统上测试了[**氝rtapylysis氝]（https://github.com/sdey135/rtapylysis.git）。
强烈建议安装[anaconda python]（https://www.continuum.io/downloads/），该软件包将包括使用[**\u rtapylysis\u**]（https://github.com/sdey135/rtapylysis.git）所需的所有python包，但不包括一个。
2。需要安装python包[seaborn]（http://seaborn.pydata.org）：
*如果安装了[蟒蛇]（https://www.continuum.io/downloads/），那么如果安装了[pip]（https://pip.pypa.io/en/stable/）则
```````
``````
*```
$pip install——用户seaborn
```
>3。对于裸版python 2.7.12，在运行脚本之前必须安装以下程序包：`numpy`、`scipy`、`matplotlib`、`seaborn`，以及已经安装的python程序包`os`和`sys`.
```
$pip install--user package`用户名`，其中，软件包名称：numpy、scipy、matplotlib、seaborn
````
它可以直接从rtapylysis的[**\u github存储库]（https://github.com/sdey135/rtapylysis.git）下载到任何名为**\u target\u**的用户目录。无需安装。
2.或者，[**u rtapylysis（https://github.com/sdey135/rtapylysis.git）可以使用"pip"安装：
`````
$pip install--用户rtapylysis
````
*对于**linux操作系统**，上面的命令将在**u target=`$home/.local/lib/pythonx.y/site packages/`where`pythonx.y=`python2.7\`for`u python 2.7.12\`where`python--version`for`u python version`中安装[**\u rtapylysis.git]（https://github.com/sdey135/rtapylysis.git）。
*对于**Mac操作系统**，请参阅此[stackoverflow链接]（http://stackoverflow.com/questions/7143077/how-can-i-install-packages-in-my-home-folder-with-pip）以获取**u target的值。
$target和**u target路径）。然后使用以下命令运行示例脚本：
*获取包含在**u$target/example/**
````
$python run`u rta map.py
````
*获取包含在其中的rta分析示例.mat文件**$target/example/**
```
$python run廑rtapylysis.py
````
注意：当前工作目录中与**example廑rtamap.png廑和**example廑rtapylysis.png廑同名的任何以前的文件在执行上述python时都将被覆盖，而无需任何提示脚本。
9492——phasec.txt
-示例
run_rtapylysis.py
```
`func_rtapylysis.py`包含以下函数：
1。rtamap
2.分析
3.布尔什D
4.获取qhkl
5。上划线
6.绘制垂直线
7。[基线]（https://bitbucket.org/lucashnegri/peakutils/src/cf22985cc1b4ea32cbd201e368593caf598d71/peakutils/baseline.py？at=master&；fileviewer=file view default）（从[peakutils]复制（http://pythonhosted.org/peakutils/）
8。[savitzky_golay]（http://scipy.github.io/old-wiki/pages/cookbook/savitzkygolay）（抄袭自[scipy]（https://www.scipy.org/）
`detect_peaks.py`，作者是[**marcos duarte**]（https://github.com/demou）包含以下功能：
1。检测峰值
2。_ plot
子目录example包含一个mat file**u example.mat**，一个文本文件example**u structure.txt**，以及两个图像文件**u example_artamap.png_arra和**u example_artapylysis.png_arra，分别显示了可以使用"run_artamap.py"和"run_artapylysis.py"对**u example.mat_arra中的RTA数据进行典型数据分析的示例。文件**example\u structure.txt包含有关输入数据文件**example.mat的结构的信息。为了使数据分析工作顺利进行，必须在**example.mat**之后紧接着**example.txt**构造用户的新matfile。在这种情况下，最好将新的matfiles保存在**u example**子目录下，这样"run\rtamap.py"和"run\rtapylysis.py"可以在最少的更改下运行。
子目录dhkl_dir包含阶段标识所需的三个文本文件，即，**_phasea.txt、phaseb.txt和phasec.txt。据推测，新的matfile中的数据将代表不同的阶段，用户还需要构建新的索引文件，并将其保存在**u dhkl_dir_**中，作为与其中一个dhkl_文件结构类似的文本文件，例如，在**u phasea.txt之后，它是一个以空格分隔的文本文件，至少有4列，值为h、k、l和d-间距（以埃为单位；随着文件中的行号减少）。文件必须包含一个空格分隔的头，例如h k l d_in_angstrom。此文件可从[ICSD]获取（https://www.fiz-karlsruhe.de/icsd.html），或使用[vesta]生成（http://jp-minerals.org/vesta），或手动准备。（hkl）值和d间距值是特定于所考虑的特定晶体学相的。
此外，还包括两个用户友好的python脚本文件："run_artamap.py"、"run_artapylysis.py"。这些脚本文件将由用户编辑以进行数据分析。这些文件包含的指令是不言而喻的。脚本可以写在一个文件或在相同实验条件下收集的一系列文件上。
输入数据（例如，example.mat）由在样品快速加热时在不同温度下采集的一系列强度与Q矢量的数据组成。
"rtamap"函数将此数据作为输入，并创建一个以温度为x轴、d间距（从q矢量计算）为y轴、强度值为z轴的图，用于初始数据可视化（有关详细信息，请参见"run_rtamap.py"）。
"rtapylysis"函数将相同的输入数据（例如example.mat）作为其输入，并创建第一个子图，其中温度为x轴，d间距（从q矢量计算）为y轴，强度值为z轴。在分析过程中，这个二维地图被命名为"rta:full range"。
用户可以选择温度和d-间距值的子区域，以获得第二个子图，该子图可以对所有扫描应用实时多项式背景减法。第二个子图在最终图中命名为"rta:partial"。在研究厚度为2-3纳米的薄膜和超薄薄膜时，动态背景减法步骤对于从噪声中分离有意义的信号特别有用。
"rtapylysis"功能还可以在用户选择的3个温度值（即repr）下输出3个"强度与d间距"子图。存在三种不同的与温度有关的相。假设用户能够向三个文本文件提供有关该特定阶段的预期XRD峰值位置的信息（有关详细信息，请参见"run_rtapylysis.py"），则"rtapylysis"函数还将使用用户提供的索引信息注释3个XRD子图。
"rtapylysis"功能将用户给定的d间距范围中减去峰值后的背景下的区域集成在一起，并将所有集成的峰值区域绘制到一个单独的子图中，该子图的侧面带有峰值标识符。
最后，"rtapylysis"函数根据单个积分峰面积的梯度确定过渡温度，并用这些值注释积分峰面积的梯度子图。
"rtapylysis"函数输出一个出版物质量图，将所有七个子图组合在一起。
"run棼rtamap.py"和"run棼rtapylysis.py"的示例输出包含在下面。
###用于初始数据可视化的RTA图
！[示例rtamap]（https://cloud.githubusercontent.com/assets/20307497/22233758/8e445f52-e1c0-11e6-9e47-bec9bccada86.png）
2.###分析RTA图
！[示例分析]（https://cloud.githubusercontent.com/assets/20307497/22233772/bd09c084-e1c0-11e6-8961-fc42a37656d0.png）
如果出现问题，请确保系统的"pythonpath"中存在[**u rtapylysis（https://github.com/sdey135/rtapylysis.git）。
S.Dey等人将于2017年出版。[A.Savitzky，M.J.E.Golay，用简化最小二乘法对数据进行平滑和区分，分析化学，1964，36（8），第1627-1639页]（https://dx.doi.org/10.1021/ac60214a047）。
3.[数字食谱第三版：科学计算的艺术，W.H.出版社，S.A.Teukolsky，W.T.Vetterling，B.P.Flannery，剑桥大学出版社ISBN-13:9780521880688]（http://dl.acm.org/citation.cfm？id=1403886）。
4.[**marcos duarte**]（https://github.com/demotu/bmc/blob/master/notebooks/detect peaks.ipynb）编写的[**marcos duarte**]（https://github.com/demotu）包含在[**u rtapylysis**]（https://github.com/sdey135/rtapylysis.git）中。
5.[Peakutils]（http://pythonhosted.org/peakutils/）。
6.[scipy]（https://www.scipy.org/）。
欢迎加入QQ群-->： 979659372
