pyrolite

pyrolite - 地球化学分析

快速参考

import pandas as pd
import matplotlib.pyplot as plt
from pyrolite.geochem.norm import get_reference_composition

df = pd.read_csv('samples.csv')
df.pyrochem   # Geochemistry methods
df.pyrocomp   # Compositional methods

# Normalize and plot REE
chondrite = get_reference_composition('Chondrite_McDonough1995')
ax = df.pyrochem.normalize_to(chondrite, units='ppm').pyroplot.REE(unity_line=True)

关键模块

模块	用途
pyrolite.plot	三角图、蛛网图
pyrolite.geochem.norm	标准化参考值
pyrolite.comp	CLR、ALR、ILR 变换
pyrolite.plot.templates	TAS、Pearce 图
pyrolite.mineral.normative	CIPW 标准矿物计算

基本操作

三角图

ax = df[['SiO2', 'CaO', 'Na2O']].pyroplot.scatter(c='k', s=50)

TAS 图

from pyrolite.plot.templates import TAS
df['Na2O_K2O'] = df['Na2O'] + df['K2O']
ax = TAS()
ax.scatter(df['SiO2'], df['Na2O_K2O'], c='red', s=50)

REE 配分模式

chondrite = get_reference_composition('Chondrite_McDonough1995')
ax = df.pyrochem.normalize_to(chondrite, units='ppm').pyroplot.REE(unity_line=True)

微量元素蛛网图

pm = get_reference_composition('PM_McDonough1995')
ax = df.pyrochem.normalize_to(pm).pyroplot.spider(unity_line=True)

成分数据变换

df_closed = df.pyrocomp.renormalise(scale=100)  # Closure
df_clr = df.pyrocomp.CLR()   # Centered log-ratio
df_alr = df.pyrocomp.ALR()   # Additive log-ratio
df_ilr = df.pyrocomp.ILR()   # Isometric log-ratio

元素比值与异常

df['La_Yb'] = df['La'] / df['Yb']                        # LREE/HREE
df['Eu_Eu*'] = df['Eu'] / (df['Sm'] * df['Gd']) ** 0.5   # Eu anomaly
lambdas = df.pyrochem.lambda_lnREE()                      # REE shape

CIPW 标准矿物计算

from pyrolite.mineral.normative import CIPW_norm
norm = CIPW_norm(df)  # df must have major oxides in wt%

Harker 图

fig, axes = plt.subplots(2, 3, figsize=(12, 8))
for ax, elem in zip(axes.flatten(), ['TiO2', 'Al2O3', 'FeO', 'MgO', 'CaO', 'Na2O']):
    ax.scatter(df['SiO2'], df[elem], c='blue', s=50)
    ax.set_xlabel('SiO2 (wt%)'); ax.set_ylabel(f'{elem} (wt%)')

Pearce 判别图

from pyrolite.plot.templates import pearce_templates
ax = pearce_templates.YNb()
ax.scatter(df['Nb'], df['Y'], c='red', s=50)

常用标准化参考值

参考值	代码	用途
球粒陨石	Chondrite_McDonough1995	REE 配分模式
原始地幔	PM_McDonough1995	微量元素
N-MORB	NMORB_SunMcDonough1989	大洋玄武岩
上地壳	UCC_RudnickGao2003	地壳岩石

与替代工具的适用场景对比

工具	最适合的用途	局限性
pyrolite	原生支持 Python 的地球化学分析、与 pandas 集成、成分数据变换	内置分类模板比 GCDkit 少
GCDkit	全面的分类图解、R 生态系统	基于 R，不支持 Python
PetroGraph	通过 GUI 快速进行分类和绘图	不可脚本化，可定制性有限
自定义 matplotlib	完全控制图表外观	没有内置标准化功能或模板

在以下情况使用 pyrolite： 需要将地球化学分析集成到 pandas 工作流中、进行成分对数比变换，或在 Python 中进行 REE 标准化。

在以下情况考虑替代工具： 需要丰富的岩相分类模板（使用 GCDkit）、需要用于分类的快速 GUI（使用 PetroGraph），或只需不经标准化的简单散点图（直接使用 matplotlib）。

常见工作流

地球化学分类与 REE 配分模式分析

• 将样品数据加载到 pandas DataFrame 中
• 使用 df.pyrocomp.renormalise(scale=100) 闭合成分数据
• 使用 TAS() 绘制 TAS 图，并叠加样品数据
• 使用 df.pyrochem.normalize_to() 将 REE 标准化至球粒陨石
• 使用 df.pyroplot.REE() 绘制 REE 蛛网图
• 计算 Eu 异常和 La/Yb 比值
• 为主量元素生成 Harker 变化图
• 导出图表用于发表

提示

1. 先闭合成分数据，再进行分析（确保总和为 100%）
2. 使用对数比（CLR/ALR/ILR）进行统计分析
3. 为蛛网图选择合适的标准化方法
4. 检查 Eu 异常（正异常 = 堆晶作用，负异常 = 分离结晶）

参考资料

• 标准化参考值 - 参考成分与数值
• 分类方案 - TAS、Pearce、AFM 图

脚本

• scripts/geochemistry_plots.py - 生成常见图表