Larch 是一个开源的 Python 库和应用程序套件，专门用于处理和分析同步加速器光束线上的 X 射线吸收和荧光光谱数据以及 X 射线荧光和衍射图像。它提供了全面的 XAFS 分析工具，包括 XANES 和 EXAFS，以及 XRF 和 XRD 图像的可视化工具。
Larch 依赖于多个科学 Python 库，并提供了 GUI 应用程序，如 Larix 和 GSE Map Viewer，以及一个类似 Python 的宏语言，用于交互式和批处理分析。
它支持从 GUI 分析到脚本和批处理分析的过渡，并可作为后台服务运行，与其他应用程序如 Demeter 集成。本文将主要介绍Larch处理XAS时常用的数据组及命名。
Larch 提供了一系列与它一起安装的应用程序，包括图形用户界面（GUI）和命令行界面（CLI），以及一些处于测试阶段（beta）的工具。
此外，它还包含了 Feff6L 和 Feff8L 代码，这是 Feff 项目的开源版本，由 Larch 获得许可并重新分发，以支持 X 射线光谱分析。
与多数Larch函数一致，XAFS函数均支持对任意数据数组进行操作，以实现数据处理的最大灵活性。同时，不少Larch XAFS函数可输出标量、数组等多类结果。尽管灵活性突出，但这种设计不仅操作繁琐，还要求用户频繁跟踪大量关联数组。
3.1 XAFS 数组的命名
在 Larch 中，将相关数据归入一个 “组” 是最自然的处理方式 —— 从文件读取的数据本就默认保存在组内。若 XAFS 数据存于组中，组内名为 energy、k、chi ，对所有 XAFS 数据组而言具有统一的标准含义。
为简化这一最常用场景，所有 XAFS 函数均遵循特定约定：既保留对任意数据数组的处理能力，又默认将输出值写入组内；多数情况下，只需为 XAFS 函数指定一个符合预期命名规则的组即可。
这一约定并非强制，组内也可添加其他名称的数据，但遵循规则能大幅降低 XAFS 数据的处理难度。
所谓命名约定，即定义了组内数据数组与标量的一套预期名称及对应含义，具体内容汇总于下方的“XAFS 组约定名称表”。
XAFS 群的常规名称表：这些是与 XAFS 相关的各种数据（包括 FEFF 计算）的数组和标量的标准名称。表中给出了名称、描述的物理量以及生成该值的函数名称。
XAFS 函数遵循这一规定，因为它们始终希望由两个数组表示：GROUP.k和GROUP.chi。
3.2组参数和_sys. xafs Group
XAFS 函数输出量较大，需指定写入的组来管理。为此，所有函数均支持通过“组参数” 指定结果写入的组，这虽为不同分析步骤的结果管理提供了便捷，但处理特定数据集时重复输入该参数会十分繁琐。
针对 XAFS 分析，存在一个特殊组_sys. xafs Group：若未提供显式组参数，它将作为默认组接收输出；若指定了显式组参数，它会自动设为该组。
简言之，_sys. xafs Group即 “当前默认组”—— 当 XAFS 数据包含在单个组中（常规场景），无需重复输入组参数。
需注意，该约定依赖 Larch 解释器的全局组，因此仅适用于 Larch 语言；若在纯 Python 中使用，需通过_larch参数传递 Larch 会话实例至larch. xafs函数，方可适用。
3.3第一个参数组约定
由于 XAFS 函数需将输出写入组中，且通常处理的组包含符合 XAFS 组约定名称表的数据，因此多数 XAFS 函数遵循 “第一个参数组约定“。
该约定基于前文所述的_sys. xafs Group约定，为处理 XAFS 数据组提供了更便捷的方式，是大多数 XAFS 工作中需理解和运用的重要规则。
尽管 XAFS 函数可接受数据数组作为前两个参数，但多数情况下，这些数组会按上述约定命名并置于同一组中。例如，autobk ()函数最常见的用法是：将能量数组作为第一个参数，mu 数组作为第二个参数，并指定一个输出组来存放函数计算的所有数组和数据。
当然，大多数情况下，我们实际上会希望使用同一组中的energy和mu数组，并将该组用作输出组，这样所有数据都会保留在同一组中。这样，上面的调用看起来会像这样：
其中组名数据重复了三次。
第一个参数组约定允许将其写为：
也就是说，只要 Group数据遵循 XAFS 命名约定（例如，它有一个名为energy autobk()的能量数组和一个名为mu的吸光度数组），上述两种形式就是等效的。所有 XAFS 函数都遵循此约定，并使用一组一致的属性名称。
此约定几乎使 Larch XAFS 例程成为面向对象的函数集，这些函数集以一致且可预测的方式在 XAFS 数据集上进行交互。
3.4为 XAFS 绘制宏
XAFS分析通常使用数据阵列的几种不同标准视图来μ(E)，χ(K)和χ(R)Larch的绘图功能为绘图方式提供了极大的灵活性。虽然这种灵活性通常很有用，但在绘制 XAFS 数据这一特定领域，能够使用合理的默认值轻松创建一致的绘图，可以生成更易于理解的结果。
这里描述的宏试图提供易于使用的标准绘图宏的功能。具体来说，它们能够自动以一致的方式排版绘图轴的标签，并为显示的不同曲线分配一致的标签。这些宏也易于扩展，以便可以添加曲线、注释等。
plot_mu()
plot_mu( dgroup , norm = False , deriv = False , show_pre = False , show_post = False , show_e0 = False , emin = None , emax = None , label = None , new = True , win = 1 )
绘制各种形式的 XAFS 数据组
参数：
dgroup – pre_edge()后的 XAFS 数据组
norm –是否显示标准化数据 [ False]
deriv –是否显示 XAFS 数据的导数 [ False]
show_pre –是否显示预边缘曲线 [ False]
show_post –是否显示后边缘曲线 [ False]
show_e0 –是否显示 E0 [ False]
show_deriv –是否将 deriv 与 mu [ False]一起显示
emin – 显示的最小能量，相对于 E0 [ None，数据开始]
emax – 相对于 E0 的最大显示能量 [ None，数据结束]
label – 标签字符串[ None：‘mu’、‘dmu/dE’ 或 ‘mu norm’]
new –是否开始新绘图 [ True]
win – 要使用的整数绘图窗口 [1]
输入数据组必须具有以下属性：energy、mu、norm、e0、pre_edge、edge_step、filename。
plot_bkg()
plot_bkg( dgroup , norm = True , emin = None , emax = None , show_e0 = False , label = None , new = True , win = 1 )
绘制和背景对于XAFS数据组
参数：
dgroup – autobk() 后的 XAFS 数据组
norm –是否显示标准化数据 [ True]
emin – 显示的最小能量，相对于[ None，数据开始]
emax – 相对于显示的最大能量[ None，数据结束]
show_e0 –是否显示 E0 [ False]
label – 标签字符串[ None:’mu’]
new –是否开始新绘图 [ True]
win – 要使用的整数绘图窗口 [1]
输入数据组必须具有以下属性：energy、mu、bkg、norm、e0、pre_edge、edge_step、filename 。
plot_chik()
plot_chik( dgroup , kweight = None , kmax = None , show_window = True , label = None , new = True , win = 1 )
绘制 k 加权图对于XAFS数据组
参数：
dgroup – autobk()后的 XAFS 数据组
kweight – 绘图的 k 权重 [从最后一个读取xftf()，或 0]
kmax – 要显示的最大 k [ None，数据结束]
show_window – bool 是否也绘制 k-window [ True]
label – 标签字符串[ None:’chi’]
new – bool 是否开始新绘图 [ True]
win – 要使用的整数绘图窗口 [1]
输入数据组必须具有以下属性：k、chi、kwin、filename。
14.1.2.4.plot_chir()
plot_chir( dgroup , show_mag = True , show_real = False , show_imag = False , rmax = None , label = True , new = True , win = 1 )
绘制对于XAFS数据组
参数：
dgroup – xftf()后的 XAFS 数据组
show_mag – bool 是否绘图[ True]
show_real – bool 是否绘图[ False]
show_imag – bool 是否绘图[ False]
rmax – 显示的最大 R [ None，数据结束]
label – 标签字符串[ None:’chir’]
new – bool 是否开始新绘图 [ True]
win – 要使用的整数绘图窗口 [1]
输入数据组必须具有以下属性：r、chir_mag、chir_im、chir_re、kweight、filename
14.1.2.5.plot_chifit()
plot_chifit(数据集, kmin = 0 , kmax = None , rmax = None , show_mag = True , show_real = False , show_imag = False , new = True , win = 1 )
绘制 k 加权图和适合 feffit 数据集
参数：
数据集– feffit 数据集，运行后feffit()。
kmin – 最小 k 显示 [0]
kmax – 要显示的最大 k [ None，数据结束]
rmax – 显示的最大 R [ None，数据结束]
show_mag – bool 是否绘图[ True]
show_real – bool 是否绘图[ False]
show_imag – bool 是否绘图[ False]
new – bool 是否开始新绘图 [ True]
win – 要使用的整数绘图窗口 [1]
plot_path_k()
plot_path_k(数据集， ipath， kmin = 0， kmax = None， offset = 0，标签= None， new = False， win = 1， ** kws )
绘制 k 加权图对于 feffit 数据集的单个路径
参数：
数据集– feffit 数据集，运行后feffit()
ipath – 路径索引，起始计数为 0 [0]
kmin – 最小 k 显示 [0]
kmax – 要显示的最大 k [ None，数据结束]
offset – 用于绘图的垂直偏移 [0]
label – 路径标签 [‘路径 I’]
new –是否开始新绘图 [ True]
win – 要使用的整数绘图窗口 [1]
kws – 附加关键字参数传递给 plot()
plot_path_r()
plot_path_r(数据集， ipath， rmax = None，偏移量= 0，标签= None， show_mag = True， show_real = False， show_imag = True， new = False， win = 1， ** kws )
绘制对于 feffit 数据集的单个路径
参数：
数据集– feffit 数据集，运行后feffit()
ipath – 路径索引，起始计数为 0 [0]
kmax – 显示的最大 k [无，数据结束]
offset – 用于绘图的垂直偏移 [0]
label – 路径标签 [‘路径 I’]
show_mag – bool 是否绘图[ True]
show_real – bool 是否绘图[ False]
show_imag – bool 是否绘图[ False]
new – bool 是否开始新绘图 [ True]
win – 要使用的整数绘图窗口 [1]
kws – 附加关键字参数传递给 plot()
plot_paths_k()
plot_paths_k（数据集，偏移量=-1，kmin=0， kmax=None， new=True， win=1， kws）：
绘制模型的 k 加权卡方图 (k)和 feffit 数据集的所有路径
参数：
数据集– feffit 数据集，运行后feffit()
kmin – 最小 k 显示 [0]
kmax – 要显示的最大 k [ None，数据结束]
offset – 绘图路径使用的垂直偏移量[-1]
new –是否开始新绘图 [ True]
win – 要使用的整数绘图窗口 [1]
kws – 附加关键字参数传递给 plot()
plot_paths_r()
plot_paths_r（数据集，偏移量=-0.5， rmax=None， show_mag=True， show_real=False， show_imag=False， new=True， win=1， kws）：
绘制对于模型和 feffit 数据集的所有路径
参数：
数据集– feffit 数据集，运行 func: feffit后
offset – 绘图路径的垂直偏移量[-0.5]
rmax – 显示的最大 R [ None，数据结束]
show_mag –是否绘图[T“rue“]
show_real –是否绘图[ False]
show_imag –是否绘图[ False]
new –是否开始新绘图 [ True]
win – 要使用的整数绘图窗口 [1]
kws – 附加关键字参数传递给 plot()
plot_prepeaks_baseline()
plot_prepeaks_baseline（dgroup，subtract_baseline=False， show_fitrange=True， show_peakrange=True， win=1， **kws）：
绘制前边缘峰和基线拟合，如来自pre_edge_baseline()或 Larix。
参数：
dgroup – 数据组，运行后pre_edge_baseline()
subtract_baseline – bool 是否减去绘图基线
show_fitrange – bool 是否将适合范围显示为垂直条
show_peakrange – bool 是否显示带有标记的预边缘峰值范围
win – 要使用的整数绘图窗口 [1]
kws – 附加关键字参数传递给 plot()
dgroup组必须有一个prepeaks子组。
plot_prepeaks_fit()
plot_prepeaks_fit（dgroup，show_init=False， subtract_baseline=False， show_residual=False， win=1， **kws）：
绘制边缘前峰值并进行拟合，就像在 Larix GUI 中一样
参数：
dgroup – 运行预边缘峰值拟合后的数据组。
show_init – bool 是否在拟合之前显示初始模型
subtract_baseline – bool 是否减去绘图基线
show_residual – bool 是否将残差显示为堆积图。
win – 要使用的整数绘图窗口 [1]
kws – 附加关键字参数传递给 plot()
dgroup组必须包含一个peakfit_history子组。目前，该子组只能通过 Larix GUI 或由其编写（可能经过修改）的脚本自动生成。
这里列出了 XAFS 的一些通用函数。
ktoe()和etok()
etok（能量）
将光电子能量（单位：eV）转换为波数（单位：Å-1. 能量可以是单个数字或数字数组。
ktoe（波数）
将光电子波数转换为Å-1以 eV 为单位的能量。波数可以是单个数字或数字数组。
以下是能量表和值：
estimate_noise()
估计噪声（k，chi=无， group=无， rmin=15， rmax=30， ….）
自动估算噪声水平光谱。
参数：
k – 一维数组
chi – 一维数组
组——输出组。
rmin – 最小值噪声估计值。
rmax – 最大值噪声估计值。
kweight – k**kweight 加权谱的指数 [1]
kmin – FT 窗口的起始 k [0]
kmax – FT 窗口的结尾为 k [20]
dk – FT 窗口的锥度参数[4]
dk2 – FT 窗口的第二个锥度参数[无]
window – 窗口类型的名称 [‘kaiser’]
nfft – 用于 N_fft [2048] 的值。
kstep – 用于 delta_k 的值 ( Ang^-1 ) [0.05]
该方法使用 XAFS 傅里叶变换，并且的许多参数（kmin、kmax等）与的相同xftf()。
此函数遵循“第一个参数组”约定，数组名为k和chi。以下输出将写入提供的组（如果未提供组，则写入_sys.xafsGroup ）
该方法以 rmin 与 rmax 区间的数据测量噪声水平，通过 Parseval 定理将其转换，并隐含两个假设：频谱的高 R 部分无信号，且噪声为 “白噪声“。
这些假设虽均有可质疑之处，但要否定它们并忽略此处的噪声估计，需具备 XAFS 光谱噪声的专业知识，而多数用户并不具备。因此，该估计至少应被视为噪声水平的最小下限。
输出值 kmax_suggest 的估计偏保守，虽可能夸大噪声影响，但能客观反映数据质量。对于优质数据，这种保守性尤为明显；不过考虑到实际值可能更小，该估计也并非严重失当。
【高端测试 找华算】
华算科技是专业的科研解决方案服务商，精于高端测试。拥有10余年球差电镜拍摄经验与同步辐射三代光源全球机时，500+博士/博士后团队护航，保质保量！
🏅已助力5️⃣0️⃣0️⃣0️⃣0️⃣➕篇科研成果在Nature&Science正刊及子刊、Angew、AFM、JACS等顶级期刊发表！
👉立即预约，抢占发表先机！
