plotXVG是一款基于 Matplotlib 开发的轻量级 Python 绘图工具专为分子模拟数据可视化设计可快速、可复现地生成刊级折线图、散点图、热图与等高线图同时支持命令行与 Python API 双调用方式开源免费且适配多格式数据不仅能高效处理 GROMACS 输出的 xvg 文件也可应用于各类 1D/2D 数据的可视化分析。本文将从环境安装、基础用法到进阶定制全面介绍该工具的实操方法。1. 一键安装python -m pip install plotxvg2. 基础用法2.1 命令行用法单文件基础绘图直接读取 GROMACS 输出 xvg 文件生成默认散点图plotxvg -f energy.xvg折线图生成添加-ls/--linestyle参数指定线型支持solid实线、dashed虚线、dashdot点划线、dotted点线四种类型。plotxvg -f energy.xvg -ls solid期刊级图表保存添加-save/--save参数指定保存路径与格式支持 PDF、PNG 等推荐期刊矢量图 PDF配合-noshow/--noshow参数可后台生成图表不弹出可视化窗口适配批量处理场景。plotxvg -f energy.xvg -ls solid -save ./result/energy_plot.pdf -noshow2.2 Python API 用法当需要将可视化与数据预处理、模型训练等步骤结合时可通过 Python API 调用 plotXVG核心函数为plotxvg.plot()参数与命令行一一对应布尔类型参数如panels、noshow直接使用True/False赋值无需加引号。极简示例import plotxvg # 调用plot函数读取两个xvg文件分别设置线型开启子图模式并保存 plotxvg.plot([rmsd.xvg, temperature.xvg], ls[solid, dashed], # 为两个文件分别设置实线、虚线 panelsTrue, # 开启子图布局默认上下排列 save./result/combine_plot.pdf) # 保存组合图表3. 进阶定制精细化参数设置满足刊级绘图要求plotXVG 提供超 50 个可调参数涵盖图表样式、坐标轴、子图布局、统计分析、2D 密度可视化等维度可实现全方面精细化定制以下为分子模拟研究中最常用的进阶功能与实操方法适配期刊对图表格式的严格要求。3.1 多文件子图布局与轴标签优化处理 RMSD、温度、压力等多组关联数据时可通过-panels/--panels参数生成子图支持top上下布局默认与side左右布局两种方式配合-sharelabel/--sharelabel参数可实现子图轴标签共享仅在最后一行显示 X 轴标签、第一列显示 Y 轴标签让图表结构更简洁。# 两个文件左右子图布局共享轴标签全局缩放字体大小 plotxvg -f rmsd.xvg temp_press.xvg -ls solid solid -panels side -sharelabel -allfs 83.2 图表字体与尺寸定制期刊对图表字体、字号通常有明确要求plotXVG 支持全局与单独参数调整核心参数包括-font/--fontname设置全局字体如 Arial、Times New Roman适配期刊常用字体-allfs/--allfontsizes全局缩放所有字体大小-axfs/--axislabelfontsize、-tfs/--titlefontsize、-lfs/--legendfontsize可分别调整轴标签、标题、图例的字体大小。# 设置全局字体为Arial全局字号8轴标签字号10图例字号9保存为PDF plotxvg -f energy.xvg -ls solid -font Arial -allfs 8 -axfs 10 -lfs 9 -save energy.pdf3.3 相关性分析在机器学习模型训练验证、模拟数据与参考数据相关性分析中添加-stats/--stats参数工具可自动计算并在图例中标注均方根偏差RMSD与决定系数R²无需手动统计配合-eqax/--equalaxes参数可设置等比例坐标轴让相关性散点图更规范。# 相关性分析显示RMSD与R²设置等比例坐标轴 plotxvg -f train_test_coulomb.xvg -stats -eqax -save correlation_analysis.pdf4. 2D 密度可视化与吉布斯自由能景观生成针对分子模拟主成分分析PCA、轨迹分析等产生的二维数据plotXVG 提供专属的 2D 密度可视化功能支持热图、等高线图生成并可一键计算吉布斯自由能景观是分子模拟数据解读的核心功能。2D 热图生成添加-heatmap/--heatmap参数-bins/--bins指定分箱数默认 50-cmap/--colormap设置 Matplotlib 色板如 rainbow、viridis# 生成2D热图50个分箱使用rainbow色板 plotxvg -f pca_2d.xvg -heatmap -bins 50 -cmap rainbow -save pca_heatmap.pdf等高线图生成添加-contour/--contour参数-levels/--levels指定等高线层级针对小样本数据集可添加-kde/--kde参数开启核密度估计提升密度分析准确性-showdots/--showdots可在等高线图上叠加原始散点。# 等高线图核密度估计原始散点20个等高线层级 plotxvg -f pca_2d.xvg -contour -kde -showdots -levels 20 -save pca_contour.pdf吉布斯自由能景观计算在 2D 密度分析基础上添加-gibbs/--gibbs参数工具可根据概率密度公式计算吉布斯自由能-temp/--temperature指定绝对温度默认 298.15K可精准适配分子动力学模拟的自由能分析。# 生成吉布斯自由能等高线图温度300K核密度估计原始散点 plotxvg -f pca_2d.xvg -contour -gibbs -temp 300 -kde -showdots -save free_energy_landscape.pdf5. 批量绘图面对数十上百个 xvg 数据文件可利用命令行通配符*批量读取文件配合-noshow/--noshow后台生成图表实现批量可视化处理也可结合 Python 循环语句通过 API 方式实现自定义命名与批量保存大幅提升大数据场景下的可视化效率。# 批量读取当前目录下所有xvg文件生成实线折线图后台运行不显示窗口 plotxvg -f *.xvg -ls solid -noshow还有更多详细用法介绍可以移步到代码公开页面https://github.com/AlexandriaChemistry/plotXVG
plotXVG：分子模拟数据顶刊级可视化工具 安装与实用教程
plotXVG是一款基于 Matplotlib 开发的轻量级 Python 绘图工具专为分子模拟数据可视化设计可快速、可复现地生成刊级折线图、散点图、热图与等高线图同时支持命令行与 Python API 双调用方式开源免费且适配多格式数据不仅能高效处理 GROMACS 输出的 xvg 文件也可应用于各类 1D/2D 数据的可视化分析。本文将从环境安装、基础用法到进阶定制全面介绍该工具的实操方法。1. 一键安装python -m pip install plotxvg2. 基础用法2.1 命令行用法单文件基础绘图直接读取 GROMACS 输出 xvg 文件生成默认散点图plotxvg -f energy.xvg折线图生成添加-ls/--linestyle参数指定线型支持solid实线、dashed虚线、dashdot点划线、dotted点线四种类型。plotxvg -f energy.xvg -ls solid期刊级图表保存添加-save/--save参数指定保存路径与格式支持 PDF、PNG 等推荐期刊矢量图 PDF配合-noshow/--noshow参数可后台生成图表不弹出可视化窗口适配批量处理场景。plotxvg -f energy.xvg -ls solid -save ./result/energy_plot.pdf -noshow2.2 Python API 用法当需要将可视化与数据预处理、模型训练等步骤结合时可通过 Python API 调用 plotXVG核心函数为plotxvg.plot()参数与命令行一一对应布尔类型参数如panels、noshow直接使用True/False赋值无需加引号。极简示例import plotxvg # 调用plot函数读取两个xvg文件分别设置线型开启子图模式并保存 plotxvg.plot([rmsd.xvg, temperature.xvg], ls[solid, dashed], # 为两个文件分别设置实线、虚线 panelsTrue, # 开启子图布局默认上下排列 save./result/combine_plot.pdf) # 保存组合图表3. 进阶定制精细化参数设置满足刊级绘图要求plotXVG 提供超 50 个可调参数涵盖图表样式、坐标轴、子图布局、统计分析、2D 密度可视化等维度可实现全方面精细化定制以下为分子模拟研究中最常用的进阶功能与实操方法适配期刊对图表格式的严格要求。3.1 多文件子图布局与轴标签优化处理 RMSD、温度、压力等多组关联数据时可通过-panels/--panels参数生成子图支持top上下布局默认与side左右布局两种方式配合-sharelabel/--sharelabel参数可实现子图轴标签共享仅在最后一行显示 X 轴标签、第一列显示 Y 轴标签让图表结构更简洁。# 两个文件左右子图布局共享轴标签全局缩放字体大小 plotxvg -f rmsd.xvg temp_press.xvg -ls solid solid -panels side -sharelabel -allfs 83.2 图表字体与尺寸定制期刊对图表字体、字号通常有明确要求plotXVG 支持全局与单独参数调整核心参数包括-font/--fontname设置全局字体如 Arial、Times New Roman适配期刊常用字体-allfs/--allfontsizes全局缩放所有字体大小-axfs/--axislabelfontsize、-tfs/--titlefontsize、-lfs/--legendfontsize可分别调整轴标签、标题、图例的字体大小。# 设置全局字体为Arial全局字号8轴标签字号10图例字号9保存为PDF plotxvg -f energy.xvg -ls solid -font Arial -allfs 8 -axfs 10 -lfs 9 -save energy.pdf3.3 相关性分析在机器学习模型训练验证、模拟数据与参考数据相关性分析中添加-stats/--stats参数工具可自动计算并在图例中标注均方根偏差RMSD与决定系数R²无需手动统计配合-eqax/--equalaxes参数可设置等比例坐标轴让相关性散点图更规范。# 相关性分析显示RMSD与R²设置等比例坐标轴 plotxvg -f train_test_coulomb.xvg -stats -eqax -save correlation_analysis.pdf4. 2D 密度可视化与吉布斯自由能景观生成针对分子模拟主成分分析PCA、轨迹分析等产生的二维数据plotXVG 提供专属的 2D 密度可视化功能支持热图、等高线图生成并可一键计算吉布斯自由能景观是分子模拟数据解读的核心功能。2D 热图生成添加-heatmap/--heatmap参数-bins/--bins指定分箱数默认 50-cmap/--colormap设置 Matplotlib 色板如 rainbow、viridis# 生成2D热图50个分箱使用rainbow色板 plotxvg -f pca_2d.xvg -heatmap -bins 50 -cmap rainbow -save pca_heatmap.pdf等高线图生成添加-contour/--contour参数-levels/--levels指定等高线层级针对小样本数据集可添加-kde/--kde参数开启核密度估计提升密度分析准确性-showdots/--showdots可在等高线图上叠加原始散点。# 等高线图核密度估计原始散点20个等高线层级 plotxvg -f pca_2d.xvg -contour -kde -showdots -levels 20 -save pca_contour.pdf吉布斯自由能景观计算在 2D 密度分析基础上添加-gibbs/--gibbs参数工具可根据概率密度公式计算吉布斯自由能-temp/--temperature指定绝对温度默认 298.15K可精准适配分子动力学模拟的自由能分析。# 生成吉布斯自由能等高线图温度300K核密度估计原始散点 plotxvg -f pca_2d.xvg -contour -gibbs -temp 300 -kde -showdots -save free_energy_landscape.pdf5. 批量绘图面对数十上百个 xvg 数据文件可利用命令行通配符*批量读取文件配合-noshow/--noshow后台生成图表实现批量可视化处理也可结合 Python 循环语句通过 API 方式实现自定义命名与批量保存大幅提升大数据场景下的可视化效率。# 批量读取当前目录下所有xvg文件生成实线折线图后台运行不显示窗口 plotxvg -f *.xvg -ls solid -noshow还有更多详细用法介绍可以移步到代码公开页面https://github.com/AlexandriaChemistry/plotXVG
