ARPES风格连续能带图谱绘图工具

本文旨在详细阐述基于Python语言开发的一款第一性原理能带图谱后处理工具。该工具通过矩阵网格化与高斯滤波算法，将离散的能带计算数据转化为具备角分辨光电子能谱（ARPES）连续特征的可视化图谱，并提供多维度的数据重组与交互式调优功能。

一、 工具概述

核心功能：本工具跳过了传统的二维散点绘制模型，利用二维空间直方图投射与高斯展宽机制，生成高分辨率的平滑能带图。同时，工具内置了RGB色彩空间混合算法与路径对称映射算法。基于VASPKIT 的BAND UNFOLD功能输出的有效能带数据进行能带绘制并可自定义输出成类似ARPES的图片的能带图。

二、 数据准备与格式规范

在运行工具前，需在当前工作目录下准备以下三种标准化输出文件：

1. 总体能带数据（EBS*.dat）：包含三列基本数据，依次为 K路径坐标、能量值、总权重。
   
2. 投影能带数据（PEBS*.dat）：包含分波态密度权重的输出文件。首行需为标准注释行（如 K-Path Energy s py pz...），系统将动态读取该表头以分配轨道列号，具备向下兼容性（涵盖s、p、d、f所有可能轨道）。
   
3. 高对称点坐标（KLABELS）：以制表符或空格分隔的两列数据，首列为高对称点标签（如 GAMMA, M, K），次列为对应的K路径浮点坐标。

三、 操作流程与预期效果

启动脚本后，系统将依据以下四个阶段引导用户完成绘图：

• 阶段一：任务构建（轨道组合）。系统自动列出当前目录下的所有文件及识别到的有效轨道。用户通过输入编号，可自由捆绑多文件、多轨道。例如，组合Co原子的dxy轨道与C原子的py轨道。
  
• 阶段二：边界裁剪与对称重构。用户可设定起始与终止高对称点（如选择区间M至L）。当开启对称模式并指定对称中心后（如以Gamma点为中心），程序会在底层提取所需数据段，计算绝对距离，并沿纵轴进行数据的负向拷贝与拼接，自动生成类似于 K-Gamma-K 的对称图谱。
  
• 阶段三：预览与参数微调。程序将随机抽取一项数据生成预览图（preview.png）。终端随即挂起，用户可根据图像质量，通过输入特定指令动态修正各项参数，包括：水平展宽半径、对比度阈值、背景灰度、输出长宽比、全局字体字号等。
• 阶段四：批量并行输出。参数确认后，系统自动遍历所有单态与组合态，将灰度底噪图（_gray.png）与色彩叠加图（_color.png）统一保存至指定文件夹，输出结果达到直接出版规格。
  

四、 大语言模型（AI）复现指南

若需在不同环境中重新开发或定制本工具，向AI大模型提供结构化且约束严格的提示词是成功的关键。建议向AI发送如下指令，确保功能特性的完整实现：

请编写一个Python脚本，用于处理第一性原理计算输出的 EBS.dat 整体能带文件与 PEBS_*.dat 投影能带文件，以生成ARPES风格的连续图谱。请严格遵循以下技术规范：

1. 渲染引擎约束：禁止使用 scatter 函数。必须使用 numpy.histogram2d 对离散三维坐标（K, Energy, Weight）进行网格化，并调用 scipy.ndimage.gaussian_filter 施加二维高斯平滑滤波。
2. 动态读取机制：读取 PEBS 文件的 #K-Path 开头行，动态识别后续列的物理轨道名称，并在交互式菜单中供用户调取。
3. 对称路径镜像算法：读取 KLABELS 解析高对称点坐标。支持区间切片。在启用对称路径时，要求用户指定对称中心点，随后按绝对距离对该段数据进行正负对称拷贝拼接，并同步更新X轴的坐标及标签。
4. 多态混合算法：针对用户选定的轨道组合，分配相异的RGB颜色。在同一背景矩阵之上，应用线性 Alpha 混色公式（底色 × (1-权重) + 目标色 × 权重），确保轨道重合区域颜色平滑过渡。
5. 交互与调优：在批量出图前，强制生成预览图并进入参数配置循环。允许用户在命令行中输入数字，实时变更图片尺寸、全局字体属性、高斯方差、对比度上限及背景底噪。
6. 环境依赖：纯Python实现，需声明 matplotlib.use('Agg') 以兼容Linux服务器无头环境，确保运行过程无GUI报错。

五、 部署与运行注意事项

• 依赖库安装：本脚本仅依赖标准科学计算库，需在运行前确保系统已正确安装 numpy、scipy 与 matplotlib。
• 内存管理：脚本默认分辨率网格为 400×600。不建议在交互调优中将分辨率提升至极高数值（如4000×6000），以免在多通道RGB矩阵浮点运算中引发内存溢出（OOM）。
• 高斯平滑半径（Sigma_K）：当初始计算采样的K点较为稀疏，导致生成图谱出现垂直断层时，应在预览阶段适当增大水平高斯方差（Sigma_K）参数。