版块导航: 正在加载中...

登录注册

应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜石溪大学接受考研调剂申请>

【调剂】北京石油化工学院2024年16个专业接受调剂

返回列表

【有奖交流】积极回复本帖子，参与交流，就有机会分得作者 cnzs 的 7 个金币，回帖就立即获得 1 个金币，每人有 1 次机会

cnzs

铁虫 (初入文坛)

应助: 0 (幼儿园)
金币: 12
帖子: 8
在线: 36.9小时
虫号: 15655974

[交流] VASP数据使用ovito官网脚本分析voronio

1.能不能用ovito处理AIMD的XDATCAR文件？
2.如果可以为什么我用官网提供的Python脚本只能得出第一个离子步的数据?
3.有没有大佬可以帮忙改进一下Python脚本？
# Import OVITO modules.
from ovito.io import *
from ovito.modifiers import *
from ovito.pipeline import *

# Import NumPy module.
import numpy

# Load a simulation snapshot of a Cu-Zr metallic glass.
pipeline = import_file("D:/ovito/400/XDATCAR",multiple_frames = True)

# Set atomic radii (required for polydisperse Voronoi tessellation).
atom_types = pipeline.source.data.particles['Particle Type'].types
atom_types[0].radius = 1.28  #  atomic radius (atom type 1 in input file)
atom_types[1].radius = 1.55  #  atomic radius (atom type 2 in input file)

# Set up the Voronoi analysis modifier.
voro = VoronoiAnalysisModifier(
compute_indices = True,
use_radii = True,
edge_threshold = 0.1
)
pipeline.modifiers.append(voro)

# Let OVITO compute the results.
data = pipeline.compute()

# Access computed Voronoi indices.
# This is an (N) x (M) array, where M is the maximum face order.
voro_indices = data.particles['Voronoi Index']

# This helper function takes a two-dimensional array and computes a frequency
# histogram of the data rows using some NumPy magic.
# It returns two arrays (of equal length):
# 1. The list of unique data rows from the input array
# 2. The number of occurences of each unique row
# Both arrays are sorted in descending order such that the most frequent rows
# are listed first.
def row_histogram(a):
ca = numpy.ascontiguousarray(a).view([('', a.dtype)] * a.shape[1])
unique, indices, inverse = numpy.unique(ca, return_index=True, return_inverse=True)
counts = numpy.bincount(inverse)
sort_indices = numpy.argsort(counts)[::-1]
return (a[indices[sort_indices]], counts[sort_indices])

# Compute frequency histogram.
unique_indices, counts = row_histogram(voro_indices)

# Print the ten most frequent histogram entries.
for i in range(10):
print("%s\t%i\t(%.1f %%)" % (tuple(unique_indices),
                              counts,
                              100.0*float(counts)/len(voro_indices)))

result：
(0, 0, 0, 2, 8, 4, 0, 0)    11 (5.5 %)
(0, 0, 0, 3, 6, 4, 0, 0)          7 (3.5 %)
(0, 0, 0, 0, 12, 0, 0, 0) 6 (3.0 %)
(0, 0, 0, 1, 10, 3, 0, 0) 5 (2.5 %)
(0, 0, 0, 2, 8, 1, 0, 0)          5 (2.5 %)
(0, 0, 0, 4, 6, 4, 0, 0)       5 (2.5 %)
(0, 0, 0, 2, 8, 5, 0, 0)    5 (2.5 %)
(0, 0, 0, 1, 10, 2, 0, 0) 5 (2.5 %)
(0, 0, 0, 2, 8, 0, 0, 0) 4 (2.0 %)
(0, 0, 0, 4, 4, 6, 0, 0) 3 (1.5 %)

回复此楼

» 猜你喜欢

» 抢金币啦！回帖就可以得到:
查看全部散金贴

1楼2020-09-16 14:30:42

已阅回复此楼关注TA 给TA发消息送TA红花 TA的回帖

小火柴123

新虫 (正式写手)

应助: 0 (幼儿园)
金币: 2017.3
帖子: 409
在线: 116.6小时
虫号: 6981279

★
cnzs(金币+1): 谢谢参与

请问楼主解决了吗？

赞一下

回复此楼

4楼2022-06-22 14:07:45

已阅回复此楼关注TA 给TA发消息送TA红花 TA的回帖

简单回复

shuaige6662楼

2020-09-16 14:37 回复

cnzs(金币+1): 谢谢参与

1 发自小木虫IOS客户端

psylhh3楼

2020-09-17 17:32 回复