plotXVG 是一款基于 Matplotlib 开发的轻量级 Python 绘图工具，专为分子模拟数据可视化设计，可快速、可复现地生成刊级折线图、散点图、热图与等高线图，同时支持命令行与 Python API 双调用方式，开源免费且适配多格式数据，不仅能高效处理 GROMACS 输出的 xvg 文件，也可应用于各类 1D/2D 数据的可视化分析。本文将从环境安装、基础用法到进阶定制，全面介绍该工具的实操方法。
1. 一键安装
python -m pip install plotxvg
2. 基础用法
2.1 命令行用法
- 单文件基础绘图：直接读取 GROMACS 输出 xvg 文件，生成默认散点图
plotxvg -f energy.xvg
- 折线图生成：添加-ls/–linestyle参数指定线型，支持solid（实线）、dashed（虚线）、dashdot（点划线）、dotted（点线）四种类型。
plotxvg -f energy.xvg -ls solid
- 期刊级图表保存：添加-save/–save参数指定保存路径与格式（支持 PDF、PNG 等，推荐期刊矢量图 PDF），配合-noshow/–noshow参数可后台生成图表，不弹出可视化窗口，适配批量处理场景。
plotxvg -f energy.xvg -ls solid -save ./result/energy_plot.pdf -noshow
2.2 Python API 用法：
当需要将可视化与数据预处理、模型训练等步骤结合时，可通过 Python API 调用 plotXVG，核心函数为plotxvg.plot()，参数与命令行一一对应，布尔类型参数（如panels、noshow）直接使用True/False赋值，无需加引号。
- 极简示例：
import plotxvg
# 调用plot函数，读取两个xvg文件，分别设置线型，开启子图模式并保存
plotxvg.plot(["rmsd.xvg", "temperature.xvg"],
ls=["solid", "dashed"], # 为两个文件分别设置实线、虚线
panels=True, # 开启子图布局，默认上下排列
save="./result/combine_plot.pdf") # 保存组合图表
3. 进阶定制：精细化参数设置，满足刊级绘图要求
plotXVG 提供超 50 个可调参数，涵盖图表样式、坐标轴、子图布局、统计分析、2D 密度可视化等维度，可实现全方面精细化定制，以下为分子模拟研究中最常用的进阶功能与实操方法，适配期刊对图表格式的严格要求。
3.1 多文件子图布局与轴标签优化
处理 RMSD、温度、压力等多组关联数据时，可通过-panels/–panels参数生成子图，支持top（上下布局，默认）与side（左右布局）两种方式；配合-sharelabel/–sharelabel参数可实现子图轴标签共享，仅在最后一行显示 X 轴标签、第一列显示 Y 轴标签，让图表结构更简洁。
# 两个文件左右子图布局，共享轴标签，全局缩放字体大小
plotxvg -f rmsd.xvg temp_press.xvg -ls solid solid -panels side -sharelabel -allfs 8
3.2 图表字体与尺寸定制
期刊对图表字体、字号通常有明确要求，plotXVG 支持全局与单独参数调整，核心参数包括：-font/–fontname设置全局字体（如 Arial、Times New Roman，适配期刊常用字体）；-allfs/–allfontsizes全局缩放所有字体大小；-axfs/–axislabelfontsize、-tfs/–titlefontsize、-lfs/–legendfontsize可分别调整轴标签、标题、图例的字体大小。
# 设置全局字体为Arial，全局字号8，轴标签字号10，图例字号9，保存为PDF
plotxvg -f energy.xvg -ls solid -font Arial -allfs 8 -axfs 10 -lfs 9 -save energy.pdf
3.3 相关性分析
在机器学习模型训练验证、模拟数据与参考数据相关性分析中，添加-stats/–stats参数，工具可自动计算并在图例中标注 均方根偏差（RMSD） 与 决定系数（R²），无需手动统计；配合-eqax/–equalaxes参数可设置等比例坐标轴，让相关性散点图更规范。
# 相关性分析，显示RMSD与R²，设置等比例坐标轴
plotxvg -f train_test_coulomb.xvg -stats -eqax -save correlation_analysis.pdf
4. 2D 密度可视化与吉布斯自由能景观生成
针对分子模拟主成分分析（PCA）、轨迹分析等产生的二维数据，plotXVG 提供专属的 2D 密度可视化功能，支持热图、等高线图生成，并可一键计算吉布斯自由能景观，是分子模拟数据解读的核心功能。
- 2D 热图生成：添加-heatmap/–heatmap参数，-bins/–bins指定分箱数（默认 50），-cmap/–colormap设置 Matplotlib 色板（如 rainbow、viridis）
# 生成2D热图，50个分箱，使用rainbow色板
plotxvg -f pca_2d.xvg -heatmap -bins 50 -cmap rainbow -save pca_heatmap.pdf
- 等高线图生成：添加-contour/–contour参数，-levels/–levels指定等高线层级；针对小样本数据集，可添加-kde/–kde参数开启核密度估计，提升密度分析准确性，-showdots/–showdots可在等高线图上叠加原始散点。
# 等高线图+核密度估计+原始散点，20个等高线层级
plotxvg -f pca_2d.xvg -contour -kde -showdots -levels 20 -save pca_contour.pdf
- 吉布斯自由能景观计算：在 2D 密度分析基础上，添加-gibbs/–gibbs参数，工具可根据概率密度公式计算吉布斯自由能，-temp/–temperature指定绝对温度（默认 298.15K），可精准适配分子动力学模拟的自由能分析。
# 生成吉布斯自由能等高线图，温度300K，核密度估计+原始散点
plotxvg -f pca_2d.xvg -contour -gibbs -temp 300 -kde -showdots -save free_energy_landscape.pdf
5. 批量绘图
面对数十上百个 xvg 数据文件，可利用命令行通配符*批量读取文件，配合-noshow/–noshow后台生成图表，实现批量可视化处理；也可结合 Python 循环语句，通过 API 方式实现自定义命名与批量保存，大幅提升大数据场景下的可视化效率。
# 批量读取当前目录下所有xvg文件，生成实线折线图，后台运行不显示窗口
plotxvg -f *.xvg -ls solid -noshow
还有更多详细用法介绍可以移步到代码公开页面：
https://github.com/AlexandriaChemistry/plotXVG
