王美洁

2.1 科研里的 Python：先会这几点就够了

目标：帮助你尽快具备用 Python 处理日常科研任务的最小能力。

前言

为什么不写通用 Python 教程？

Python 教程网上已经非常多了。
如果再从变量、循环、函数、面向对象从头讲一遍，价值并不大，也不符合组内教程的定位。

这篇文章只回答一个问题：

为了开始做计算科研，你到底需要会哪些 Python？

我的判断是，前期真正有用的不是“把 Python 学完”，而是先能做下面这些事：

  • 读写文件
  • 处理表格数据
  • 批量遍历目录
  • 从输出文件中提取结果
  • 画出一张能用的图

只要这几件事能做到，Python 对你来说就已经开始产生实际价值了。

Python 在科研里主要拿来干什么？

对组内大多数人来说，Python 主要不是拿来刷算法题，也不是拿来做完整的软件工程，而是拿来做这些事情：

用途典型任务
文件处理读写输入文件、改参数、整理目录
结果提取从输出文件中抓能量、收敛信息、结构信息
数据分析读表格、筛数据、做简单统计
绘图画折线图、散点图、态密度图、多面板图
自动化遍历一批目录、批量生成脚本、批量汇总结果

所以这篇教程不追求全面，而是先把这些最常见场景打通。

这篇怎么读

我把内容分成两部分：

  • 基础：这是你开始使用 Python 处理科研任务的最小闭环
  • 进阶：不是第一天必须全会，但建议尽早知道有这些工具

如果你以前几乎没写过 Python，建议你先把“基础”部分过一遍，并且跟着敲一下代码。

第一部分：基础

1. 先把环境装好

如果环境没配好，后面所有内容都会卡住。

我建议你至少准备一个独立环境，不要直接在系统 Python 里乱装包。

用 conda 创建环境

bash
conda create -n research-python python=3.11   # 创建一个名为 research-python 的环境
conda activate research-python                # 激活这个环境
conda install numpy pandas matplotlib         # 安装最常用的科学计算与绘图库

如果你更习惯 pip，也可以这样：

bash
python -m venv .venv              # 创建虚拟环境
source .venv/bin/activate         # 激活虚拟环境（macOS / Linux）
pip install numpy pandas matplotlib # 安装常用库

装好之后，先确认环境是对的：

bash
which python          # 看当前 python 来自哪里
python --version      # 看 python 版本
python -c "import numpy, pandas, matplotlib; print('ok')" # 测试核心库能否正常导入

这一步不要跳。很多“代码跑不了”的问题，其实不是代码问题，而是环境问题。

2. 先会最小脚本

很多人一开始学 Python，会被一大堆语法细节带偏。
对科研来说，前期真正需要的是：你能写并运行一个脚本。

先看一个最小例子：

python
name = "Python"                  # 定义一个字符串变量
value = 3.14159                  # 定义一个数值变量

print("hello")                   # 输出固定文本
print(name)                      # 输出变量内容
print(f"value = {value:.2f}")    # 格式化输出，保留两位小数

保存成 test.py 后运行：

bash
python test.py # 运行脚本

你前期需要掌握的，不是所有语法，而是下面这些够用的基础：

  • 变量
  • if
  • for
  • 函数
  • 列表 list
  • 字典 dict

比如最常见的循环：

python
for i in range(5):              # 从 0 循环到 4
    print(i)                    # 输出当前循环变量

最常见的列表：

python
files = ["a.out", "b.out"]      # 定义一个字符串列表
for file in files:              # 逐个遍历列表中的文件名
    print(file)                 # 输出当前文件名

最常见的字典：

python
info = {"ENCUT": 500, "ISPIN": 2} # 定义键值对
print(info["ENCUT"])              # 读取指定键对应的值

这些东西你当然可以继续往深了学，但前期先会用就够了。

3. 文件读写：最先会这个

对科研最重要的 Python 能力之一，就是读写文件。

读文本文件

python
with open("INCAR", "r", encoding="utf-8") as f: # 以只读方式打开文件
    content = f.read()                          # 读取整个文件内容

print(content)                                 # 输出文件内容

如果你只想一行一行处理：

python
with open("job.out", "r", encoding="utf-8") as f: # 打开输出文件
    for line in f:                                 # 逐行遍历
        if "error" in line.lower():                # 判断这一行里是否包含 error
            print(line.strip())                    # 去掉换行后输出

写文本文件

python
new_incar = "ENCUT = 500\nISPIN = 2\n"     # 构造要写入的文本内容

with open("INCAR.new", "w", encoding="utf-8") as f: # 以写入模式打开文件
    f.write(new_incar)                               # 写入内容

这个能力非常实用，因为很多批处理脚本本质上就是：

  1. 读一个模板文件
  2. 改几个参数
  3. 写成新文件

4. 遍历目录和批量处理

科研里很少只处理一个文件。大多数时候你会面对一批目录、一批结构、一批输出文件。

最常用的是 pathlib：

python
from pathlib import Path                      # 导入路径处理工具

root = Path(".")                             # 当前目录
for path in root.iterdir():                  # 遍历当前目录下所有文件和目录
    print(path)                              # 输出路径

如果你只想看目录：

python
from pathlib import Path                     # 导入路径处理工具

for path in Path(".").iterdir():             # 遍历当前目录
    if path.is_dir():                        # 判断当前路径是否为目录
        print(path.name)                     # 输出目录名

一个更接近科研场景的例子：从每个子目录里找 OSZICAR

python
from pathlib import Path                             # 导入路径处理工具

for folder in Path(".").iterdir():                   # 遍历当前目录下所有路径
    if not folder.is_dir():                          # 跳过非目录
        continue

    oszicar = folder / "OSZICAR"                     # 拼接出目标文件路径
    if oszicar.exists():                             # 判断文件是否存在
        print(f"{folder.name}: found")               # 输出找到的目录名

这类代码是后面很多自动化脚本的基础。

5. 读表格和数值数据：numpy 和 pandas

对科研来说，这两个库几乎是默认配置。

我的经验是：

  • numpy 更适合处理纯数值数组
  • pandas 更适合处理表格数据

用 numpy 读取数值文件

python
import numpy as np                           # 导入 numpy

data = np.loadtxt("dos.dat")                 # 读取纯数值文本文件
print(data.shape)                            # 查看数组形状
print(data[:5])                              # 查看前 5 行

如果你只想取某一列：

python
energy = data[:, 0]                          # 取第 1 列
dos = data[:, 1]                             # 取第 2 列

用 pandas 读取表格

python
import pandas as pd                          # 导入 pandas

df = pd.read_csv("result.csv")               # 读取 csv 文件
print(df.head())                             # 查看前几行
print(df.columns)                            # 查看列名

筛选某一列大于指定值的数据：

python
filtered = df[df["energy"] < -1.0]           # 保留 energy 小于 -1.0 的行
print(filtered)                              # 输出筛选结果

保存成新表格：

python
filtered.to_csv("filtered.csv", index=False) # 保存结果，不写入行号

这一步对结果整理特别重要。不要总想着手工复制粘贴，很多表格工作 Python 都更稳。

6. 从输出文件中提取结果

这是组里最常见的 Python 使用场景之一。

比如你想从一个输出文件里找最后一个能量值：

python
from pathlib import Path                               # 导入路径处理工具

path = Path("OSZICAR")                                 # 指定输出文件路径
lines = path.read_text(encoding="utf-8").splitlines() # 读取文件并按行拆分
last_line = lines[-1]                                 # 取最后一行
print(last_line)                                      # 输出最后一行

如果你想批量提取多个目录中的结果：

python
from pathlib import Path                                      # 导入路径处理工具

for folder in Path(".").iterdir():                            # 遍历当前目录
    if not folder.is_dir():                                   # 跳过非目录
        continue

    path = folder / "OSZICAR"                                 # 拼接出 OSZICAR 路径
    if not path.exists():                                     # 如果文件不存在就跳过
        continue

    lines = path.read_text(encoding="utf-8").splitlines()     # 读取所有行
    print(folder.name, lines[-1])                             # 输出目录名和最后一行

很多时候，这就已经足够解决问题了。
不要一开始就把脚本写得很复杂，先把最小版本跑通。

7. 绘图：先把最小可用图画出来

科研里最常用的绘图库就是 matplotlib。

先看一个最小例子：

python
import numpy as np                         # 导入 numpy
import matplotlib.pyplot as plt           # 导入 matplotlib

x = np.linspace(0, 10, 200)               # 生成 0 到 10 的等间距点
y = np.sin(x)                             # 计算正弦函数值

plt.plot(x, y, label="sin(x)")            # 画折线图
plt.xlabel("x")                           # 设置 x 轴标签
plt.ylabel("y")                           # 设置 y 轴标签
plt.legend()                              # 显示图例
plt.tight_layout()                        # 自动调整边距
plt.savefig("demo.png", dpi=300)          # 保存图片
plt.show()                                # 显示图像

如果你已经在做科研绘图，建议尽早养成一个习惯：

  • 图尽量用代码生成
  • 图的参数写在脚本里
  • 图能重复生成

这比手动点图形界面更可复现，也更方便后面修改。

第二部分：进阶

1. numpy：先理解数组，而不是把它当高级 list

numpy 的核心不是“语法花”，而是它在处理数值数组时更快、更稳定，也更适合科学计算。

一个很重要的区别是向量化：

python
import numpy as np                      # 导入 numpy

x = np.array([1, 2, 3, 4])             # 创建数组
y = x * 2                              # 对整个数组同时乘以 2
print(y)                               # 输出结果

这里你不需要自己写 for 循环。
很多数值操作都可以直接对整个数组做。

这也是为什么后面如果要处理大规模数值数据，numpy 往往是最自然的选择。

2. matplotlib：图能重复画，比图画得花更重要

你后面如果要画 DOS、散点图、多面板图，基本都会用到 matplotlib。

这部分有两个重点：

  1. 把“读数据”和“画图”分开
  2. 把常用画图逻辑写成函数

比如：

python
import numpy as np                          # 导入 numpy
import matplotlib.pyplot as plt            # 导入 matplotlib

def plot_one_curve(ax, file_name):         # 定义一个画图函数
    data = np.loadtxt(file_name)           # 读取数据文件
    ax.plot(data[:, 0], data[:, 1])        # 画出第 1 列和第 2 列
    ax.set_xlabel("x")                     # 设置 x 轴标签
    ax.set_ylabel("y")                     # 设置 y 轴标签

fig, ax = plt.subplots()                   # 创建画布和坐标轴
plot_one_curve(ax, "data.dat")             # 调用函数作图
plt.tight_layout()                         # 自动调整边距
plt.savefig("figure.pdf")                  # 保存为 pdf

一旦你把图形逻辑封成函数，后面画 1 张图、4 张图、10 张图都只是重复调用的问题。

3. 批量脚本：Python 和 shell 是互补的

很多同学会问：批处理到底该用 shell，还是该用 Python？

我的建议是：

  • 很短、很直接的批处理，用 shell
  • 一旦涉及条件判断、文件读写、数据处理，优先用 Python

比如：

  • 复制一批文件，shell 很合适
  • 读取一批输出文件并提取关键数值，Python 更清楚

不要纠结“只能选一个”。在科研里，这两者是互补关系。

4. 性能问题：先写对，再考虑加速

你已经有一篇旧文在讲 Python 加速：

这部分很有价值，但对新生来说，顺序上应该放后面。

原因很简单：

  • 前期主要问题通常不是“慢”
  • 而是“根本没写对”
  • 或者“工作流还没跑通”

所以默认顺序应该是：

  1. 先把脚本写对
  2. 先让结果可信
  3. 再看是否需要 numpy 向量化、numba、多进程

这才是更稳的路径。

常见坑

1. 环境没搞清楚就开始装包

这会导致：

  • 代码在一个环境里写
  • 包装在另一个环境里
  • 运行时又用第三个 python

所以第一件事永远是：

bash
which python # 先确认当前 python 来自哪里

2. 路径写死

比如：

python
path = "/Users/xxx/Desktop/test.dat"

这种写法自己电脑上能跑，换机器就废了。
尽量使用相对路径，或者用 pathlib 统一处理。

3. 一开始就写复杂脚本

很多时候，最好的办法不是一开始写一个“完美脚本”，而是先写一个只解决当前问题的最小版本。

4. 手工复制粘贴太多

如果一件事你要重复做 3 次以上，就该开始想能不能写成脚本。

5. 图能画出来，但下次自己都复现不了

所以图形参数、路径、字体、输出格式这些东西，最好都留在代码里。

入门检查清单

如果你现在刚入组，我建议先把下面这些事做到能独立完成：

  1. 创建一个 Python 环境并安装 numpy、pandas、matplotlib
  2. 写一个最小脚本并运行
  3. 读取一个文本文件并筛出关键词
  4. 批量遍历一批目录
  5. 读取一个表格并筛选数据
  6. 画出一张折线图并保存
  7. 写一个最简单的结果提取脚本

如果这几件事都能做到，Python 对你来说就已经不只是“会一点语法”，而是开始真正能帮你干活了。

可继续看的旧文章

这篇文章后续还可以继续吸收这些旧文内容：

最后一段

对新生来说，Python 最重要的不是“学完这门语言”，而是先建立一个最小工作闭环：

  • 会跑脚本
  • 会读文件
  • 会处理数据
  • 会批量操作
  • 会画图

做到这一步，你后面的很多科研工作都会顺很多。