python3基于spectral_cube.py抽取ALMA数据的分子谱线供XCLASS使用

最新推荐文章于 2021-08-25 11:54:45 发布
最新推荐文章于 2021-08-25 11:54:45 发布
阅读量482 收藏 2
点赞数
分类专栏： 天文数据处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42948242/article/details/112567654
版权
本文介绍如何利用Python3的spectral_cube库处理ALMA观测数据，提取分子谱线，并准备供XCLASS进行进一步分析。
摘要由CSDN通过智能技术生成 
from astropy.io import fits
from spectral_cube import SpectralCube as spec
import numpy as np
import matplotlib.pyplot as plt
import os
import sys
from astropy.coordinates import SkyCoord
from astropy.wcs import WCS
from astropy.table import Table
import astropy.units as u
import math

names = ['I14498_spw25',
         'I14498_spw27',
         'I14498_spw29',
         'I14498_spw31']

files = '
最低0.47元/天 解锁文章
唐小拽
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
python_spectral_clustering.zip
06-24
本资源“python_spectral_clustering.zip”包含了实现谱聚类的完整Python代码，以及一个用于演示的月亮形数据集，非常适合学习者进行实践操作和理解聚类算法。 谱聚类的核心思想是通过图论中的谱分解来解决聚类问题...
specutils:用于天文光谱学的Astropy协调软件包。 维护者
05-14
Specutils Specutils是，其目标是提供一组共享的Python表示的天文光谱以及用于在这些光谱上运行的基本工具。 这些努力也意味着成为“枢纽”，有助于围绕共同的努力团结Python天文光谱学界，就像Astropy意味着更广泛的天文学Python生态系统一样。 概述了更广泛的工作。 请注意，Specutils并非旨在满足所有可能的光谱分析或还原需求。 尽管它提供了一些标准的分析功能（遵循Python的“含电池”原则），但最好将其视为“工具箱”，它提供的功能可用于构建特定的科学工作流程或更高级别的分析工具。 为此，它还旨在通过共享的光谱数据的Python表示形式将不同的还原管线和分析工具连接在一起。 Specutils入门 有关安装和使用Specutils的详细信息，请参见。 请注意，Specutils现在仅支持Python3。尽管某些功能可能仍可在Python 2上运行
用spectral_cube抽取cube文件上某个点或者面源的光谱
uycvbl的博客
07-17 642
from astropy.io import fits from spectral_cube import SpectralCube as spec import numpy as np import matplotlib.pyplot as plt import os import sys from astropy.coordinates import SkyCoord from astropy.wcs import WCS from astropy.table import Table import .
Python机器学习库
SAN_YUN的专栏
09-03 353
原文：http://qxde01.blog.163.com/blog/static/67335744201368101922991/    Python在科学计算领域，有两个重要的扩展模块：Numpy和Scipy。其中Numpy是一个用python实现的科学计算包。包括： 一个强大的N维数组对象Array； 比较成熟的（广播）函数库； 用于整合C/C++和Fortran代码的工具包...
class 提取谱线数据
https://github.com/luoluo19550418
05-19 318
数据： APEX望远镜 file in APEX.ave find /sou list find /sou I17220 list get f #s t 1 2 plot smooth smooth smooth #可多次 plot draw #截取数据，按e退出 sic delete 1.txt sic output 1.txt for i a to ...
xclass 未知分子线证认
https://github.com/luoluo19550418
05-16 443
必要软件：casa，xclass必要文件：dat，molfit, test.py, find_molecule.py1、画出dat数据的拟合曲线2、截取发射线对应频率3、将截取的频率范围输入molfit文件4、运行find_molecule.py文件，找出分子, 打开网站https://www.cv.nrao.edu/php/splat/sp_basic.php?el1=el1&el2=e...
高光谱显示三维立体图
wangyan2647的博客
04-02 6582
运行环境：spyder自带的Ipython，用python我没跑通， 如果是cmd环境：ipython --pylab(cmd命令行） 代码： import spectral from spectral import * from scipy.io import loadmat img = loadmat('Indian_pines_corrected.mat')['indian_...
mcts_fast.zip_afmcts_python 光谱_spectral python_光谱_特征波长
07-15
标题中的“mcts_fast.zip_afmcts_python 光谱_spectral python_光谱_特征波长”表明这是一个关于使用Python实现的光谱分析工具，特别是针对特征波长提取的算法。MCTS（Monte Carlo Tree Search）通常在游戏AI或决策...
Python库 | spectral_connectivity-0.2.3.dev0-py3-none-any.whl
05-10
资源分类：Python库 所属语言：Python 资源全名：spectral_connectivity-0.2.3.dev0-py3-none-any.whl 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
cyclostationary_toolbox.rar_Cyclic Spectral_cumulant_cyclic.m_循环
07-15
matlab循环谱分析工具箱，其中包含cyclic_4th_order_cumulant，cyclic_autocorrelation_fast等函数
spectral_subtractive.zip_enough3u6_zip
07-15
标题中的“spectral_subtractive.zip_enough3u6_zip”暗示了我们正在处理一个与频谱减法算法（Spectral Subtraction Algorithm）相关的压缩文件，而“enough3u6 zip”可能是该文件的特定版本或者编码标识。...
Spectral Python (SPy)的笔记（3）图像显示
热门推荐
静静的博客
02-06 1万+
Displaying Data Starting IPython 启动 SPy使用IPython提供GUI窗口而不会阻塞交互式Python解释器。 要启用它，你必须以“pylab”模式启动IPython。 如果您已经在matplotlibrc文件中将matplotlib后端设置为“WX”或“WXAgg”（请参阅下面的注释），您应该可以像这样启动IPython for
plot astrodendro
qq_42948242的博客
11-18 215
import aplpy from astropy.io import fits import matplotlib import matplotlib.pyplot as plt import numpy as np import os from astrodendro import Dendrogram from astrodendro.analysis import PPStatistic from astrodendro import Dendrogram, pp_catalog from ast
从ALMA的data cube导出moment0
uycvbl的博客
11-23 242
##### make moment 0 map from spectral_cube import SpectralCube as sc from astropy.io import fits import astropy.units as u import astropy.constants as c import matplotlib.pyplot as plt plt.ion() import os spw = ['spw35','spw37'] def change_xaxis_in_velo.
Spectral Python (SPy)的笔记（1）介绍及安装
静静的博客
02-06 1万+
Spectral Python（SPy）是一个用于处理高光谱图像数据的纯Python模块。它具有读取，显示，操作和分类高光谱图像的功能。 它可以从Python命令提示符或通过Python脚本交互使用。SPy是GNU通用公共许可证下的免费开源软件。 要查看一些如何使用SPy的示例，可以直接跳到显示数据或光谱算法的文档部分。主类和函数的分类列表在类/函数词汇表中。 您可以从GitHub或Py
Spectral Python (SPy)的学习笔记（2）数据读取
静静的博客
02-06 9271
使用SPy打开和访问高光谱图像文件的标准方法是通过图像函数，它返回一个SpyFile对象的实例。 SpyFile界面 SpyFile是创建读取高光谱数据文件的对象的基类。 当创建一个SpyFile对象时，它提供了一个从相应的文件中读取数据的接口。 打开图像时，返回的实际对象将是SpyFile（BipFile，BilFile或BsqFile）的子类，与图像文件中的数据交错相对应。 让我们打开我
CentOS 7 安装通用天文软件包CASA
https://github.com/luoluo19550418
03-20 2356
由于毕设需要进行分子谱线证认，故安装casa包。 一、必备包下载 1、CASA包，链接https://casa.nrao.edu/download/distro/linux/release/el7/ 2、XCLASS包，链接https://xclass.astro.uni-koeln.de/Download 二、安装 1、解压casa，xclass 2、设置casa环境...
结合三维矩阵体的动态网络数据可视化
weixin_33672109的博客
08-01 694
动态网络(Dynamic networks)数据与动态图(Dynamic Graph)数据一直以为都比较复杂，随着数据量的不断增大，为动态网络的分析与可视化带来了极大的挑战。另一方面，动态网络数据常常带有时间信息，而现有的时空高维数据可视化方法都有各种缺点，尤其是当图中节点密集时，现有的方法几乎都会遇到遮挡问题。 二维模型探索动态图数据已有很多种方法...
Python Spectral.view_cube()卡死
weixin_43995293的博客
08-25 707
今天尝试使用Spectral.view_cube()时，输出的超立方直接卡死 使用如下代码也无法正常运行 spectral.settings.WX_GL_DEPTH_SIZE=16 查了资料以后发现wxpython是python中的一个GUI框架，于是利用以前调试tkinter的bug办法进行尝试。 import spectral import numpy as np import wx img = spectral.envi.open('test.hdr', 'test0.dat' )..
讲一下tensorflow代码转为pytorch代码。def simulated_spectral9_camera_spectral_response_function(hyper_spectral_image,masked_response_function): masked_response_function = tf.cast(masked_response_function, dtype=hyper_spectral_image.dtype) ##9,31 hyper_spectral_image = hyper_spectral_image[:,1:-1, 1:-1,:] #裁切中心部分 batch_size,h,w,c = hyper_spectral_image.shape response3x3 = tf.reshape(masked_response_function,[3,3,31]) #padding到 h,w responsehxw = tf.tile(response3x3,[h//3,w//3,1]) response_img = hyper_spectral_image*responsehxw response_img = tf.reduce_sum(response_img,axis=-1)/ tf.reduce_sum(responsehxw,axis=-1) #,keepdims=True # 预期 shape: (batch, height, width, 1) return response_img
最新发布
06-01
将 TensorFlow 代码转换为 PyTorch 代码，可以按照以下步骤进行： 1. 导入 PyTorch 库和相关模块： ```python import torch import torch.nn.functional as F ``` 2. 将 `tf.cast` 方法替换为 `torch.Tensor.to()` 方法： ```python # TensorFlow 代码 masked_response_function = tf.cast(masked_response_function, dtype=hyper_spectral_image.dtype) # PyTorch 代码 masked_response_function = masked_response_function.to(hyper_spectral_image.dtype) ``` 3. 将 `tf.reshape` 方法替换为 `torch.Tensor.view()` 方法： ```python # TensorFlow 代码 response3x3 = tf.reshape(masked_response_function,[3,3,31]) # PyTorch 代码 response3x3 = masked_response_function.view(3, 3, 31) ``` 4. 将 `tf.tile` 方法替换为 `torch.Tensor.repeat()` 方法： ```python # TensorFlow 代码 responsehxw = tf.tile(response3x3,[h//3,w//3,1]) # PyTorch 代码 responsehxw = response3x3.repeat(h // 3, w // 3, 1) ``` 5. 将 `tf.reduce_sum` 方法替换为 `torch.sum()` 方法： ```python # TensorFlow 代码 response_img = tf.reduce_sum(response_img,axis=-1)/ tf.reduce_sum(responsehxw,axis=-1) # PyTorch 代码 response_img = torch.sum(response_img, dim=-1) / torch.sum(responsehxw, dim=-1) ``` 6. 将 TensorFlow 的 `None` 替换为 PyTorch 的 `None`： ```python # TensorFlow 代码 keepdims=True # PyTorch 代码 keepdim=True ``` 7. 将 TensorFlow 的 `shape` 属性替换为 PyTorch 的 `size()` 或 `shape` 方法： ```python # TensorFlow 代码 batch_size,h,w,c = hyper_spectral_image.shape # PyTorch 代码 batch_size, h, w, c = hyper_spectral_image.size() ``` 最终的 PyTorch 代码如下： ```python import torch import torch.nn.functional as F def simulated_spectral9_camera_spectral_response_function(hyper_spectral_image, masked_response_function): masked_response_function = masked_response_function.to(hyper_spectral_image.dtype) hyper_spectral_image = hyper_spectral_image[:, 1:-1, 1:-1, :] batch_size, h, w, c = hyper_spectral_image.size() response3x3 = masked_response_function.view(3, 3, 31) responsehxw = response3x3.repeat(h // 3, w // 3, 1) response_img = hyper_spectral_image * responsehxw response_img = torch.sum(response_img, dim=-1) / torch.sum(responsehxw, dim=-1, keepdim=True) return response_img ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值