### 使用 Python 处理 XRD 数据并生成衍射图谱 为了实现将 XRD 数据转换为衍射图谱的功能，可以通过 `numpy` 和 `matplotlib` 库来完成数据分析和可视化工作。以下是具体方法： #### 1. 数据准备 通常情况下，XRD 数据会以 `.txt` 或其他纯文本文件形式存储，其中每一行可能包含两个数值：一个是角度 $2\theta$ 的值，另一个是对应的强度值 (Intensity)。 假设输入数据如下所示： ``` 20.1 100 20.2 150 ... 89.9 300 ``` 可以使用 `pandas` 来读取这些数据，并将其转化为适合绘图的形式。 ```python import pandas as pd import numpy as np import matplotlib.pyplot as plt # 假设数据保存在一个名为 'data.txt' 的文件中 file_path = 'data.txt' data = pd.read_csv(file_path, sep='\s+', header=None, names=['two_theta', 'intensity']) ``` #### 2. 绘制基本的 XRD 衍射图谱 利用 `matplotlib` 可以轻松绘制出 XRD 图谱。 ```python plt.figure(figsize=(10, 6)) plt.plot(data['two_theta'], data['intensity'], label='XRD Pattern') plt.title('X-ray Diffraction (XRD) Spectrum') plt.xlabel(r'$2\theta$ ($^\circ$)', fontsize=14) plt.ylabel('Intensity (a.u.)', fontsize=14) plt.grid(True, linestyle='--', alpha=0.7) plt.legend(fontsize=12) plt.tight_layout() plt.show() ``` 以上代码实现了基础的 XRD 图谱绘制功能[^1]。 #### 3. 高级处理——峰检测与标注 如果需要进一步分析峰值位置及其对应的角度，则可借助 `scipy.signal.find_peaks` 函数自动寻找峰值。 ```python from scipy.signal import find_peaks peaks, _ = find_peaks(data['intensity'], height=np.percentile(data['intensity'], 90)) plt.figure(figsize=(10, 6)) plt.plot(data['two_theta'], data['intensity'], label='XRD Pattern') for peak in peaks: plt.annotate(f'{data["two_theta"].iloc[peak]:.2f}', xy=(data['two_theta'].iloc[peak], data['intensity'].iloc[peak]), xytext=(data['two_theta'].iloc[peak], data['intensity'].iloc[peak]+max(data['intensity'])*0.05), arrowprops=dict(facecolor='black', shrink=0.05), fontsize=10) plt.scatter(data['two_theta'][peaks], data['intensity'][peaks], color='red', s=50, zorder=5, label='Peaks Detected') plt.title('X-ray Diffraction (XRD) Spectrum with Peaks Annotated') plt.xlabel(r'$2\theta$ ($^\circ$)', fontsize=14) plt.ylabel('Intensity (a.u.)', fontsize=14) plt.grid(True, linestyle='--', alpha=0.7) plt.legend(fontsize=12) plt.tight_layout() plt.show() ``` 这段代码不仅能够找到显著的峰值，还能在图表中标记出来[^2]。 #### 4. 计算晶面间距 对于特定的峰值角度 $\theta$，可以根据布拉格方程计算晶面间距 $d_{hkl}$: $$ d_{hkl} = \frac{\lambda}{2 \sin(\theta)} $$ 其中 $\lambda$ 是入射光波长（单位 Å），$\theta$ 是半角（即 $2\theta/2$）。 ```python wavelength = 1.5406 # Cu-Kα radiation wavelength in Angstroms def calculate_d_hkl(two_theta_values, wavelength=wavelength): theta_values = np.radians(two_theta_values / 2) dhkls = wavelength / (2 * np.sin(theta_values)) return dhkls dhkls = calculate_d_hkl(data['two_theta'][peaks]) print("Detected Peak Positions and Corresponding d-spacings:") for i, (angle, spacing) in enumerate(zip(data['two_theta'][peaks], dhkls)): print(f"Peak {i+1}: Angle={angle:.2f}, d-spacing={spacing:.4f}") ``` 此部分完成了基于已知波长条件下的晶面间距计算[^2]。 ---