如何使用py4DSTEM：2023最新版4D-STEM数据分析工具完全指南

py4DSTEM是一个强大的开源Python库，专为四维扫描透射电子显微镜（4D-STEM）数据处理与分析设计。它提供从数据导入、预处理到高级分析和可视化的完整工作流程，帮助科研人员高效解析材料的原子结构和电子性质。最新版本0.14.19带来更简洁的API和优化的性能，让复杂的4D-STEM数据分析变得简单。

为什么选择py4DSTEM？核心功能亮点

一站式4D-STEM数据解决方案 🚀

py4DSTEM涵盖4D-STEM数据分析全流程，从原始数据导入（支持EMPAD、K2等主流探测器格式）到布拉格矢量检测、晶格应变分析、相位重建等高级功能。通过统一的API设计，用户可以用最少的代码实现复杂分析任务。

高性能计算支持 ⚡

内置GPU加速模块（如diskdetection_cuda.py）和并行处理功能，可大幅提升大数据集的处理速度。支持CUDA加速的磁盘检测算法，比传统方法快10倍以上，轻松应对TB级4D-STEM数据。

丰富的可视化工具 📊

提供专业的4D-STEM数据可视化函数，支持衍射图、实空间像、布拉格矢量分布图等多种数据类型的交互式展示。通过py4DSTEM.visualize.show函数，可一键生成带比例尺、坐标网格的 publication 级别图像。

py4DSTEM生成的衍射图样可视化结果，显示清晰的布拉格斑点分布

快速上手：3步安装py4DSTEM

准备Python环境

推荐使用Anaconda创建独立环境，避免依赖冲突：

conda create -n py4dstem python=3.11
conda activate py4dstem

一键安装（推荐）

通过conda安装最新稳定版：

conda install -c conda-forge py4dstem

从源码安装（开发版）

如需体验最新功能，可从Git仓库安装：

git clone https://gitcode.com/gh_mirrors/py/py4DSTEM
cd py4DSTEM
pip install -e .

实战教程：处理你的第一个4D-STEM数据集

数据导入与基本信息查看

from py4DSTEM import Reader

# 读取4D-STEM数据
data = Reader.readSTEM("path/to/your/data.h5")

# 查看数据基本信息
print(f"数据尺寸: {data.shape}")
print(f"扫描尺寸: {data.R_Nx}×{data.R_Ny}")
print(f"衍射尺寸: {data.Q_Nx}×{data.Q_Ny}")

虚拟成像与快速可视化

# 生成明场像
bright_field = data.get_virtual_image(roi=(50,50,150,150))

# 可视化结果
from py4DSTEM.visualize import show
show(bright_field, cmap='viridis', scalebar={'length': 100, 'units': 'nm'})

布拉格矢量检测

# 检测所有扫描点的布拉格矢量
from py4DSTEM.braggvectors import find_bragg_vectors

bragg_vectors = find_bragg_vectors(
    data,
    minPeakIntensity=100,
    maxNumPeaks=10,
    CUDA=True  # 使用GPU加速
)

# 显示布拉格矢量分布图
bragg_vectors.plot_overlay(data, scan_position=(100,100))

高级功能：释放4D-STEM数据潜力

应变分析工作流

py4DSTEM的应变分析模块（py4DSTEM.process.strain）提供从晶格矢量提取到应变映射的完整流程：

from py4DSTEM.process.strain import get_strain_map

# 提取晶格矢量
lattice_vectors = get_lattice_vectors(bragg_vectors, calibration=data.calibration)

# 计算应变图
strain_map = get_strain_map(lattice_vectors, reference_vectors=[2.87, 2.87])

# 可视化应变结果
strain_map.plot(component='xx', cmap='bwr', vmin=-0.02, vmax=0.02)

相位重建（DPC）

通过差分相位衬度技术重建样品电势：

from py4DSTEM.process.phase import DPC

# 初始化DPC重建器
dpc = DPC(data)

# 执行相位重建
potential = dpc.reconstruct(iterations=50)

# 显示相位图
show(potential, cmap='RdBu_r', title='样品电势分布')

生态系统：py4DSTEM的扩展工具

py4D-browser：交互式数据浏览

配套的图形界面工具，支持4D-STEM数据的快速浏览和初步分析，无需编写代码即可实现数据切片、虚拟成像等操作。

py4DSTEM-napari：多维图像查看

与Napari集成的插件，提供高性能的4D数据交互式可视化，支持大尺寸数据集的流畅缩放和平移。

AI加速模块

通过diskdetection_aiml.py实现基于机器学习的布拉格磁盘检测，准确率比传统算法提升30%，尤其适用于弱信号或噪声较大的数据。

常见问题与解决方案

Q: 安装时出现CUDA相关错误？

A: 确保已安装匹配版本的CUDA工具包，推荐通过conda安装：conda install -c conda-forge cupy cudatoolkit

Q: 数据处理速度慢？

A: 检查是否启用GPU加速（设置CUDA=True），或使用并行处理：find_bragg_vectors(..., parallel=True)

Q: 如何引用py4DSTEM？

A: 科研论文中使用时，请引用：py4DSTEM: A Software Package for Four-Dimensional Scanning Transmission Electron Microscopy Data Analysis

总结：开启你的4D-STEM研究之旅

py4DSTEM凭借其全面的功能、高效的性能和活跃的社区支持，已成为4D-STEM数据分析的首选工具。无论你是材料科学、凝聚态物理还是纳米技术领域的研究者，py4DSTEM都能帮助你从4D-STEM数据中挖掘更多科学洞察。

立即访问项目仓库开始使用：

git clone https://gitcode.com/gh_mirrors/py/py4DSTEM

加入py4DSTEM社区，探索更多4D-STEM数据分析的可能性！ 🌟