科学巨蟒中强大、高效的轨迹分析。
freud-analysis的Python项目详细描述
freud
<^ > ^ {EM1} $佛洛伊德EME> Python库提供了一个简单、灵活、功能强大的工具集,用于分析从分子动力学或蒙特卡洛模拟获得的轨迹。 采用高性能并行化C++计算标准工具,如径向分布函数、相关函数和聚类,以及原始分析方法,包括平均力和力矩的势函数和局部环境匹配。 freud库使用NumPy arrays进行输入和输出,使许多典型的材料科学工作流能够与科学python生态系统集成。使用freud处理要发布的数据时,请use this citation。
资源
- freud Documentation:
python包引用。
- Installation Guide: 安装和编译freud的说明。
- Examples: Jupyter笔记本演示了freud的核心功能。
- API Reference: freud中类和方法的文档。
- Development Guide: 为freud捐款的资源。
- freud-users Google Group: 向freud社区提问。
- Issue Tracker: 报告问题并建议功能增强。
安装
通过conda安装:
conda install -c conda-forge freud
或通过PIP:
pip install freud-analysis
freud也可以通过用于Docker或Singularity的容器获得。
请参考Installation Guide从源头上编译弗洛伊德。
示例
使用python脚本调用freud库。 许多核心特性是demonstrated in the freud documentation。 更多的jupyter笔记本示例可以在freud examples repository中找到。 这些笔记本可以启动interactively on Binder 或者下载并在自己的系统上运行。 下面是计算径向分布函数的脚本。
importfreud# Create a freud compute object (rdf is the canonical example)rdf=freud.density.RDF(rmax=5,dr=0.1)# Load in your data (freud does not provide a data reader)box_data=np.load("path/to/box_data.npy")pos_data=np.load("path/to/pos_data.npy")# Create freud boxbox=freud.box.Box(Lx=box_data[0]["Lx"],Ly=box_data[0]["Ly"],is2D=True)# Compute RDFrdf.compute(box,pos_data[0],pos_data[0])# Get bin centers, RDF datar=rdf.Ry=rdf.RDF