import os
import numpy as np
import pandas as pd
import meshio
from datetime import datetime
import matplotlib.pyplot as plt
from netCDF4 import Dataset
from netCDF4 import chartostring
[文档]
def generate_plot_filename(title: str, file_format='png', suffix=None) -> str:
"""
生成统一命名格式的图片文件名，格式为：boviz_YYMMDDHHMM_title_suffix.png
Args:
title (str): 图像标题或描述性名称（可含空格，会被自动替换为下划线）。
suffix (str, optional): 附加信息（如 "(test)"），默认空字符串。
Returns:
str: 构造后的图片文件名（不含路径）。
"""
timestamp = datetime.now().strftime("%y%m%d%H%M")
title_clean = title.replace(" ", "") if title else "plot"
if file_format not in ["png", "jpg", "jpeg", "tiff", "bmp", "pdf", "svg", "eps"]:
raise ValueError(f"Unsupported file format: {file_format}. Supported formats are png, jpg, jpeg, tiff, bmp, pdf, svg.")
if suffix is None:
return f"boviz_{timestamp}_{title_clean}.{file_format}"
else:
return f"boviz_{timestamp}_{title_clean}{suffix}.{file_format}"
[文档]
def load_data_csv(
source: str,
x_index: int,
y_index: int,
factor: tuple[tuple, tuple],
time_step: int = 0
) -> tuple[np.ndarray, np.ndarray, str, str]:
"""
从 CSV 文件中读取指定列的数据。
Args:
source (str): CSV 文件路径。
x_index (int): X 轴数据的列索引。
y_index (int): Y 轴数据的列索引。
factor (tuple[touple, touple]): 用于缩放和平移 Y 轴数据的因子，格式为 [scale, offset]。
- scale: 缩放因子，默认为 1.0。
- offset: 平移量，默认为 0.0。
time_step (int): 若不为 0，则只保留前 time_step 个时间步。
Returns:
x_data, y_data: 对应列的数据（NumPy 数组）
x_colname, y_colname: 对应列名
"""
if factor is None:
factor = [(1.0, 0.0), (1.0, 0.0)]
if not isinstance(source, str) or not source.endswith('.csv'):
raise ValueError(f"Expected a .csv file path, got {source}")
df = pd.read_csv(source)
start_idx = 0
end_idx = None
if isinstance(time_step, int):
if time_step != 0:
end_idx = time_step
elif isinstance(time_step, (list, tuple)):
if len(time_step) >= 1:
start_idx = time_step[0]
if len(time_step) >= 2:
end_idx = time_step[1] if time_step[1] != 0 else None
x_data_raw = df.iloc[start_idx:end_idx, x_index]
y_data_raw = df.iloc[start_idx:end_idx, y_index]
x_colname = df.columns[x_index]
y_colname = df.columns[y_index]
x_data = x_data_raw * factor[0][0] + factor[0][1]
y_data = y_data_raw * factor[1][0] + factor[1][1]
return x_data.values, y_data.values, x_colname, y_colname
[文档]
def generate_particle_layout(
num_x: int,
num_y: int,
radius: float,
border: float = None,
) -> np.ndarray:
"""
生成粒子布局的网格坐标。
Args:
num_x (int): X 方向的粒子数量。
num_y (int): Y 方向的粒子数量。
radius (float): 粒子的半径。
border (float, optional): 边界的宽度，默认为2倍颗粒半径。
Returns:
tuple: 包含三个元素的元组：
- centers_coordinate (list): 粒子中心坐标的列表，每个元素为 [x, y]。
- radii (list): 每个粒子的半径列表。
- domain_size (list): 网格的域大小 [domain_x, domain_y]。
"""
if border is None:
border = 2.0
border = border * radius
domain_x = 2 * radius * num_x + border * 2
domain_y = 2 * radius * num_y + border * 2
radii = [radius] * (num_x * num_y)
centers_coordinate = []
for j in range(num_y):
for i in range(num_x):
x_coordinate = int(domain_x / 2 + (i + (1 - num_x) / 2) * radius * 2)
y_coordinate = int(domain_y / 2 + (j + (1 - num_y) / 2) * radius * 2)
centers_coordinate.append([x_coordinate, y_coordinate])
domain_size = [domain_x, domain_y]
return centers_coordinate, radii, domain_size
[文档]
def build_tanh_phase_field(
centers_coordinate: list,
radii: list,
domain_size: list,
tanh_width: float = 3.0,
tanh_offset: float = 0.05
) -> np.ndarray:
"""
构建基于双曲正切函数的相场。
Args:
centers_coordinate (list): 粒子中心坐标列表，每个元素为 [x, y]。
radii (list): 每个粒子的半径列表。
domain_size (list): 网格的域大小 [domain_x, domain_y]。
tanh_width (float): 双曲正切函数的宽度，默认值为 3.0。
tanh_offset (float): 双曲正切函数的偏移量，默认值为 0.05。
Returns:
np.ndarray: 生成的相场数组，大小为 [domain_x * 10, domain_y * 10]。
"""
domain_x, domain_y = domain_size
phase_field = 0
x, y = np.meshgrid(np.arange(0, domain_x+0.1, 0.1), np.arange(0, domain_y+0.1, 0.1))
for center, radius in zip(centers_coordinate, radii):
distance = np.sqrt((x - center[0])**2 + (y - center[1])**2)
phase_field += 0.5 * (1 - np.tanh((distance - radius) * (2 * np.arctanh(1 - 2 * tanh_offset)) / tanh_width))
return phase_field
[文档]
def load_exodus_data(
source: str,
variable_name: str,
time_step: int = 0,
):
"""
读取 Exodus 文件中的指定变量的指定时间步数据。
args:
source (str): Exodus 文件路径。
variable_name (str): 要读取的变量名称。
time_step (int): 时间步索引，默认为 0。
returns:
coordinates (np.ndarray): 网格节点坐标数组，形状为 (N, 2)，其中 N 是节点数量。
variable_values (np.ndarray): 指定变量在指定时间步的值，形状为 (N,) 或 (N, M)，其中 M 是变量的维度（如标量或向量）。
raises:
ValueError: 如果指定的变量在 Exodus 文件中不存在。
raises:
FileNotFoundError: 如果指定的 Exodus 文件不存在。
"""
print(meshio.__file__) # 输出模块位置
print(meshio.read) # 输出 read 函数指针
mesh = meshio.read(source, time_step=time_step)
coordinates = mesh.points
try:
variable_values = mesh.point_data[variable_name]
if variable_values.ndim == 2:
variable_values = variable_values[time_step]
except KeyError:
raise ValueError(f"Variable '{variable_name}' not found in the Exodus file.")
return coordinates, variable_values
[文档]
def load_exodus_data_netcdf(source, variable_name, time_step=0):
with Dataset(source, 'r') as f:
# 获取节点坐标
coords_x = f.variables["coordx"][:]
coords_y = f.variables["coordy"][:]
coordinates = np.stack([coords_x, coords_y], axis=1)
# 获取变量名表
raw_names = f.variables["name_nod_var"][:]
var_names = chartostring(raw_names).tolist()
var_names = [n.strip() for n in var_names]
# 读取时间信息
time_array = f.variables["time_whole"][:]
num_steps = len(time_array)
t = time_array[time_step]
# 打印美观输出
print("[INFO] Exodus 数据加载信息：")
print(f" ├─ 文件路径：{source}")
print(" ├─ 可用变量：", var_names)
print(f" ├─ 当前变量：'{variable_name}'")
print(f" ├─ 当前时间步：第 {time_step} 步（时间 = {time_array[time_step]:.4f}）")
print(f" ├─ 总时间步数：{num_steps}")
preview_steps = ", ".join([f"{t:.4f}" for t in time_array[:min(5, num_steps)]])
tail = f", ..., {time_array[-1]:.4f}" if num_steps > 5 else ""
print(f" └─ 时间序列预览：[ {preview_steps}{tail} ]")
if variable_name not in var_names:
raise ValueError(f"变量 '{variable_name}' 不存在，可选项: {var_names}")
print(f"[INFO] 正在绘制热图...请稍候...")
idx = var_names.index(variable_name) + 1
variable_values = f.variables[f"vals_nod_var{idx}"][time_step, :]
# 自动生成图标题
math_label = get_math_label(variable_name)
title = f"{math_label} at {t:.4g}s"
save_name = f"{variable_name}_{t:.4g}"
return coordinates, variable_values, title, save_name
[文档]
def get_math_label(var_name: str) -> str:
"""
将变量名称映射为 LaTeX 数学表达式字符串。
"""
mapping = {
"F_density": r"$f$",
"Real_Pressure": r"$P_\mathrm{real}$",
"Stress_Magnitude": r"$|\boldsymbol{\sigma}|$",
"Stress_xx": r"$\sigma_{xx}$",
"Stress_xy": r"$\sigma_{xy}$",
"Stress_yx": r"$\sigma_{yx}$",
"Stress_yy": r"$\sigma_{yy}$",
"V_Magnitude": r"$|\boldsymbol{v}|$",
"c": r"$C$",
"mu": r"$\mu$",
"p": r"$p$",
"u": r"$u_x$",
"v": r"$u_y$",
}
return mapping.get(var_name, var_name)
def _broadcast(param, N):
if isinstance(param, (list, tuple, np.ndarray)):
if len(param) != N:
raise ValueError(f"参数长度应为 {N}，但收到 {len(param)}")
return list(param)
return [param] * N
def _bbox_cols_from_gridspec(fig, gs, nx, ny):
"""取前 nx 列（跨 ny 行）的列槽位左右范围（figure 坐标）。"""
fig.canvas.draw()
# 用第一行的前 nx 列即可得到列左右边界
bb_row0 = gs[0, :nx].get_position(fig)
return bb_row0.x0, bb_row0.x1
def _bbox_rows_from_axes(fig, axes):
"""取实际 Axes（不含面板标题那段负偏移文本）的上下范围（figure 坐标）。"""
fig.canvas.draw()
y0 = min(ax.get_position().y0 for ax in axes)
y1 = max(ax.get_position().y1 for ax in axes)
return y0, y1