python 几何教学_[转]ROOT新手教学视频

感谢@shakuna 录制教学视频以及提供视频文本。转载已经过同意。

欧洲原子能中心大数据处理软件Sern ROOT教程三：示例演示与入门_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili​www.bilibili.com

大家好，这里是更新的ROOT学习视频。这一节主要还是演示ROOT的基本功能，同时讲几个面对新手的专题。考虑到很多学物理的同学对程序之类的不熟悉，这节也有一些心得和推荐书目。不过，用多了也就熟悉了。在最后有时间的话，来讨论几个初学者经常有困惑的专题。本视频全程无声，请放心播放你喜欢的音乐作为bgm。

ROOT是Sern开发的统计分析及作图软件，用来处理高能物理实验产生的海量（GB-TB以上）数据，同时作出精美的图片。它主要以C++语言写就，也通过增加接口、库的方式在融合python（pyROOT)，ruby，R，jupyter语言。

笔者主要以ubuntu linux系统来做视频。在科研服务器上，常用的操作系统是Cent OS version 7， 它和苹果电脑mac自带的macOS系统（基于Unix）以及ubuntu大同小异。而对于个人电脑，ubuntu更加常用（有广泛的兼容性、漂亮的界面、活跃的社区等等，虽然问题也很多！）；而mac比较贵。至于windows，虽然ROOT 6 pro（2017年～）已经支持，但不是很推荐，因为功能不是很齐全，有时候会有一些很奇怪的问题。总之，使用Unix/Linux更加顺畅。

常用的Linux编辑器：vim， emacs（编辑器之神和神之编辑器）， geany（轻量的代码编辑器），sublime text。 笔者习惯用vim来写代码。现在这个是typora，主要用来方便地显示文本。

演示系统：ubuntu 18.04

ROOT 5.34.36/6.18.00，编译器gcc4.8.5(C++98 )/gcc7（C++11）

视频演示

• Linux下纯C++文件
  运行Linux自带的g++编译器
  这是一个单纯的C++程序，以.C, .cpp, .cxx结尾g++ test.cpp -o prog1
  使用Linux自带的C++编译器：gnu g++来编译这段程序，生成可执行的对象(-o) prog1
  之后，我们看到文件里多了一个prog1,这个实际上就是编译后生成的可执行文件（类似windows的exe文件）。在Linux命令行里，使用./来运行这个文件。你也可以去文件夹里，鼠标双击prog1运行。然后我们在命令行里看到执行打印的结果。
  另一个复杂的编译方法是使用make（scons），一般用于复杂程序项目的编译。以后有机会会演示。
  ROOT自带了一个方便的C++命令行解释器CINT，如你们所知，在里面可以无视C++的严格规范（比如打印时不需要include，这是因为CINT已经默认登录了一些必要的库）来直接运行一些命令。
• 运行ROOT的CINT界面
• 运行ROOT macro
• 编译并运行ROOT的C++程序

运行ROOT的时候需要先source。

source是什么意思呢？在windows里，执行一个软件，一般在桌面双击这个软件的图标。文件夹里的软件图标，其实就是一个快捷的链接，通过双击的动作访问并执行安装在某处（比如C盘的软件内容）。在Linux里使用命令行的时候，执行source命令和双击相似，主要告诉系统要访问安装在某处的某个软件的内容。

每次打开终端，不用老是切换到文件夹里然后source thisroot.sh

可以在.bashrc文件（注意“.”后面没有空格）里进行设置（插入）：

. ~/ubuntu_software/root6/bin/thisroot.sh

这里，“~/ubuntu_software/root6/”这一大堆可以用$ROOTSYS来代替。

实际上，在thisroot.sh这个文件中，有相关代码把用户较长的安装路径统一简化为了$ROOTSYS

视频演示

在使用Linux的过程中，你会知道：你对计算机执行的每一个动作，背后都有一大堆源代码支持。你可以很方便地查看并理解背后的机制。而Windows因为是商业系统，把这些都封装了起来（黑盒子），不让用户接触。这就是平常所说的，学习Linux能更了解计算机的原因。

句点.是source命令的缩写，凡是命令后面要加空格，然后再执行内容。

或者

alias root6='. ~/ubuntu_software/root6/bin/thisroot.sh'

这里的意思是，自定义（别名）了一个“root6”命令，这个命令的内容是source root6文件夹里的thisroot.sh。这样，打开终端后输入root6 就是source命令。

这样是为了便于使用多个版本的ROOT。有些老程序使用ROOT version 5（笔者主要用这个！）。版本的主要区别在于C++内核，ROOT-5是C++ 98, ROOT-6是新的C++11，里面优化了C++的一些语句，也添加了新的功能（比如auto类型）。关于C++，推荐的教材是On to C++（用来入门的很短小的册子）以及C++ Primer​（很细致，可以当字典查）。

.bashrc文件是一个shell脚本配置文件，在每次打开终端时都会自动运行。所以，你可以在这里写脚本语句（相当于编程）。

如果你想成为Linux大佬掌握Shell脚本语言（很多有用的Linux技巧，比如配置文件等等），非常推荐：

自己去读就行了。很多Linux命令脚本都可以通过python来实现（有时候比较蛋疼，有点兜圈子的意味），比如批量运行ROOT，批量上传下载，或者批量向科研服务器递交任务等等（类似windows的批处理bat）。但是要提一下，awk和sed这两种脚本语言是专门来做这些事情的，所以原理上比python效率要高点（也更加高大上，可以算作是是否熟练掌握了shell命令的一个标志）。

如何学习ROOT？ 一本Diving into ROOT足矣。一边阅读一边运行上面的例子，搞完这个60多页的小册子，你就是ROOT初级高手了。之后呢？根据工作需要，去查看 $ROOTSYS/tutorials 里面的例子。

视频演示

最典型的：

• 读写文件 tutorials/tree/
• 数据拟合 tutorials/tree/fit

运行几个实例试试！

然后一边做科研任务，有不会的去问、去学，然后成为中级高手。如何达到高阶？在ROOT论坛和github上给ROOT添砖加瓦吧。但前者人人都能注册，后者需要一个Sern的内部帐号。

ROOT是Sern的开源软件，理论上Sern的科学家会不断把成熟的或者最新的算法成果整合到ROOT的库中，比如快速傅立叶变换使用了MIT的fftw算法库，ROOT的TMINUIT求最小化软件包改写自Fortran的MINUIT包（实际也来自Sern科学家在70年代的工作），对微弱信号进行统计分析（构造置信带）的Feldman-Cousin方法（arxiv9711021）也已有了TFeldmanCousins。不必自己去造轮子！

ROOT的精髓在于Tree，因此它自带的类、库都用T开头。

有一点要记住，学ROOT只是学一个工具，在其背后，你需要理解的是数据处理、统计分析等知识。 举个例子（深入了解后可以回来想想），某个物理量应该满足均匀分布，但是在分析的时候却试图进行高斯拟合。尽管使用了复杂的算法使得拟合较为成功，但原理上却是错误的。切记，很多时候，你的问题可能在原理上，而不是编程上。在ROOT论坛上，曾有人询问ROOT生成的​拟合的输出结果代表什么意思，被ROOT的开发者之一Rene怒怼：请查看维基百科或者阅读统计分析的教材。

如果你对这些方面的原理抱有困惑，那么下面四本参考书是很有价值的：

朱永生是丁肇中的学生。

视频演示 Diving into ROOT的一些例子，geom（比较有意思），pyTMVA

视频演示 基础中的基础：了解和编译C++

注意纯C++和ROOT宏的区别。宏是一组命令的集合，用{}包括起来。可以把include等等忽略，它利用了CINT。运行的时候，使用root这个命令，后面跟宏文件名。运行完后，直接进入CINT显示结果。

如果后面跟上加号“+”，表示使用了C++的链接编译。我们在运行复杂的程序项目时，用到了其他文件，则需要完整地写C++程序而不只是宏，因为此时需要链接其他的文件和库，宏对此无能为力。宏只是一组命令的集合

ROOT的解释器，宏（macro）

视频演示

注：ROOT显示几何图形的glew窗口只有ROOT6有。

ubuntu需要sudo apt-get install libglew-dev

这里演示了一些著名实验装置的几何结构。D0是发现顶夸克的实验装置。

MP3play这个演示，实际可以实现显示时间、播放歌曲等mp3功能！但是这里太卡不弄了。

tank其实可以联想到核物理在军事上的研究，比如中子弹产生的中子如何穿透钢板等等。实际上，目前也是可以通过模拟研究的：画出几何体，然后模拟粒子在几何体里的穿行。但是，ROOT一般不做这个，需要另一个由斯坦福直线加速中心开发的Geant4软件（也是基于C++）。

TMVA是2013年左右，合成到ROOT里的一个机器学习库。

这里运行pyROOT的TMVA决策树。

这个决策树，用来对两种不同的数据进行机器学习后的分类。

这属于科研里常用的ROOT高级功能。

演示pyROOT，可以在jupyter notebook上运行，体验有点像Matlab. Ctrl+enter。这里可以运行python版的ROOT。注意和C++语法的切换！

初学 Topic1： 直方图与ntuple

直方图可能是初学者首先碰到的一个困惑。

我们来谈两种理解：

（1）分段函数进行计数

视频演示

以加拿大人口统计为例https://www12.statcan.gc.ca/census-recensement/2016/dp-pd/dt-td/Rp-eng.cfm?LANG=E&APATH=3&DETAIL=0&DIM=0&FL=A&FREE=0&GC=0&GID=0&GK=0&GRP=1&PID=109525&PRID=0&PTYPE=109445&S=0&SHOWALL=0&SUB=0&Temporal=2016&THEME=115&VID=0&VNAMEE=&VNAMEF=

我们想根据数据，作出年龄和人口关系分布的直方图。

在这里做直方图，相当于计算分段函数。我们以1岁为单位，把人口分为0-1, 1-2, 2-3, … ,99-100, 100+。我们可以设想，有一亿个的人样本，我们对他们一个个调查，他/她的年龄如果是35, 就归到35-36这个这个桶（bin）里，在这个bin里计数加1（注意，这里有个微妙的“左边”和“右边”的闭区间选择，原理上也可以放到34-35里。但是，ROOT有设置underflow和overflow，这是ROOT直方图的一个需要注意的地方！）。这样，每个年龄的bin里就是人口的计数，然后我们就能画出年龄vs人口数量的分布直方图。

​

笔者建立了一个.txt（或者.dat）表格，根据上面的这个网站，第1列是年龄（以1岁为单位分割）；第2列是这个年龄里的人口数量；第3列是男性的人口，第4列是女性。中间用空格分开。

我们马上就来演示一下tutorials/tree/basic.C这段读取数据并记录成直方图的程序。

万事开头难，有时候因为分析方面的工具已经开发完毕，而困难在于想办法读取数据。这里使用了C++的数据流方法（iostream和<<，>>运算符)。

in表示从文件里一行行读取，比如第一行

0 369730 189085 180650

这些数据由空格分开，因此可以把它们直接“流入”（>>）到变量里

读取数据后，创建几个直方图对象。这里，年龄直方图设置为：范围0-100, 总共有100个bin。这样bin的宽度为​ ，也就是我们分段函数的跨度为1年。

TH1F *h1 = new TH1F("h1","age distribution",100,0,100);

同样道理，我们也可以改变bin宽度，也就是把分段函数的划分分得更粗或更细（这里不能更细，因为人口普查不会去调查年龄有多少个月！），比如以5年为跨度，把人口分为0-5岁，…95-100岁（注意原始数据里也做了这个的统计）。这个动作称为Rebin。此时，直方图的bin宽变宽，分布变得不那么精细。这里，我们也可以得知，bin宽有时候也和分辨率有关。在数据拟合，比如对直方图作​拟合时，我们有时候需要调整直方图的拟合范围和bin宽，才能达到合理的拟合结果。

视频演示

打开保存的root文件

root basic.root

使用TBrowser 浏览

在灌入直方图的时候，我们使用了两种方法：

h1->Fill(age, total);

或者h2->SetBinContent(i+1, total);

想一想，上面两个为何平均值不一致？

年龄vs总人口。年龄vs男 女 人口

ROOT已自动统计了直方图数据的平均值，即总人口平均年龄为41岁。

男性平均年龄小于女性。

（2）对连续的模拟信号进行离散化。

比如用传统的阴极射线管示波器来看电流随时间的变化，我们在电子荧幕上看到的一般是一条连续的曲线，这是自然的模拟信号。而对于数字化采样的示波器，它有一个采样率（每秒记录多少个数据，比如1GHz，代表一秒内可以记录1亿个数据，或者说机器1纳秒采一个数据）。如果采样率较低，那么我们看到的是一个个离散的点；采样率越高，点就越密集，最后记录的数据看上去更加接近连续曲线/模拟信号。

对于离散信号，我们可以把它们以直方图的形式保存。x轴的单位宽度可以用最小的采样单位作为直方图的bin宽。

比如1GHz采样率，最小单位为1ns。某些情景context下，也会用Least significant bit （LSB）来说明。

下面这个例子是笔者记录的CAEN 1GHz数字信号处理器DT5751所记录的某个电信号随时间的变化。数字信号处理器的采样时间是252 ns，即在仪器运行的时候，记录某段252ns时间内的一组电信号值。在实际的实验系统中，我们一般会设置某种触发机制，让仪器在满足某个条件后，才开始记录，而不是从头到尾一直运行，这样会把不需要的噪音也记录了。

视频演示

TH1F *hV = new TH1F("hV","waveform", 251, 0, 251)

x轴是时间t，记录范围是0-252 ns。y轴值即在1 ns内采样的电流值。

如前所述，bin宽在这里涉及到了分辨率和精度的问题。在这张图里，看x轴的话，252 ns被分割成了[0,1]，[1,2], …, [250, 251] ns的bin，每个bin都有一个y值：​。对于x=1.2 ns, x=1.5 纳秒，都是同一个y值​，因为我们的精度没有达到0.1秒。ROOT默认​对应的x值为(1+2)./2=1.5，也即binCenter。这会影响到平均值、均方根（RMS）等值的计算，需要注意！某些小技巧：

TH1F *hV = new TH1F("hV","waveform", 251, 0.5, 251.5)

这样使得binCenter为整数

初学 Topic2： ntuple

python的字典

excel有记录条数的限制。一般上限是1048576（​）条数据。超过6万条数据的话，电脑运行会非常缓慢，很难进行计算、作图。

对海量数据的记录、快速访问，这正是Sern发明ROOT的重要原因之一。

回来看人口统计的例子。ntuple对象将每一行（条）的数据进行了关联。而之前的h1, h2, h3只是各自Fill各自的，之间并没有关联。

在调查人口时，比如有10人的数据，数据里记录了10条信息。我们也可以看成是对他们进行了编号#1, #2, ……，#10。比如对于#2和#3，我们记录了他/她们的多条信息，这样就会有一个数据结构。参考：

python dictionary的形式：

data2 = {‘number':2, ’age': 10, 'gender':1, 'SexOrient':0}

data3 = {‘number':3, ’age': 40, 'gender':0,'SexOrient':1}

json数据结构的形式：

 data2 = {number: 2,age: 10,gender: 1, SexOrient：0}
 data3 = {number: 3,age: 40,gender: 0, SexOrient：1}
 //性别用布尔值表示
 //性取向用0,1,2表示，0：直， 1：弯， 2：双

这里保存的ntuple，每片叶子上都是单纯的数值。点击叶子，自动作出直方图。age叶子里，保持的是单纯的0,1,2,3, …, 100这些年龄值

这样组成数据结构后，我们可以进行快速作图，或者创建新的直方图，把作图结果保存进去。比如，我们可以画出女性的年龄分布：

ntuple->Draw("age"，“gender==0”)

更复杂的情况，画出蕾丝的年龄分布：

ntuple->Draw("age"，“gender==0 && SexOrient==1”)

第二个引号内放的是数据的切割（cut）条件。

这些后面会在TTree里演示，这里只是提一下！

 TH1F *hLesbian = new TH1F("hLesbian","Lesbian age distribution",100,0,100);
 ntuple->Draw("age>>hLesbian"，“gender==0 && SexOrient==1”)

在此时，可以想象，因为数据结构事先已经编好，程序能够分辨出那些数值是age，哪些是女性人口数量，这样把它们再揉和到一起做图。

注意：这里演示所用的数据和上面的例子略有不同。这里并没有每一个人的具体的一组调查数据（否则是有百万条数据记录），而是已经分类好了的，以每个年龄段归类的总体信息。因此我们也可以看成这里的数据也做过了Rebin。

查看数据，也可以用ntuple的Scan功能直接去看，比如看年龄大于60岁的男女分布：

ntuple->Scan("maleNumber:femaleNumber","age>60")

ntuple->Draw("maleNumber:femaleNumber","age>60")

画出60岁以上，男女人数的比例的散点图

生成了一个表格，最左边是默认的行数数值。

在高能物理实验中，探测器随着时间流逝，除去死时间（dead time）外，一直在记录探测器内实验所感兴趣的粒子碰撞产生的事件（event）。对每一个事件，我们可以记录一组数值：事件发生的时间，能量，动量（方向），位置，轨迹（track）等等。每一个事件都有一个编号（一般以时间顺序编号）。用TTree和ntuple把所有记录的事件的数据关联之后，我们可以作一组数据切割，从里面再挑出感兴趣的数据。比如要从一组探测器记录的数据中挑选出太阳中微子，要求事件发生在探测器的中心，半径小于3m的地方、能量大于5MeV、方向指向太阳。把这些事件挑出来后，我们可以单独再画出它们的动量大小（magnitude）的分布。实际上，在ntuple数据里，只需要一条类似如下命令：

ntuple->Draw("sqrt(px*px+py*py+pz*pz)","E>5 && sqrt(x*x+y*y+z*z)<3 && （px*px_sun+py*py_sun+pz*pz_sun)>0.9")

也就是说，在命令里也可以做一些简单的计算。

我们也可以快速扫描数据，打印出感兴趣的事例编码：

ntuple->Scan("eventID","E>5 && sqrt(x*x+y*y+z*z)<3 && （px*px_sun+py*py_sun+pz*pz_sun)>0.9")

初学 Topic3： TTree

ntuple可以看成是简化的TTree。TTree经常用来保存探测器记录的event。

在这里的例子中，我们使用ROOT自带的随机数生成器（TRandom），来生成1000条“假的”人口信息（因为我没有那些数据）。我们假设这个样本里人的年龄平均值为41岁（从前面的真实数据推测），满足高斯分布。男女性别的变量gender满足概率为0.5的二项分布（重复1000次实验，每次实验得到0或1的概率均为0.5）。

对这两种情况，我们直接调用TRandom所带的概率生成器，即随机数生成器分别生成满足高斯分布（平均值40岁，方差20岁）和二项分布的随机数。

直男直女占人数的90%，剩下8%为gay和les，2%为双性恋，因此sexOrient满足概率为0.9,0.08,0.02的多项分布。我们可以考虑使用MultiNominal，但可惜的是，ROOT的TRandom并没有包括这个函数，而是需要调用MathMore库里的。为了避免麻烦，在这里我们使用alias方法，通过分段函数来实现：先生成一个满足[0,1]均匀分布的随机数，如果它小于0.9, 那么就是直男直女，取0, 如果在[0.9, 0.98]，则取1，等等。

实际上，这种通过模拟来“虚构”数据的方法，称为玩具蒙特卡罗（Toy Monte Carlo），常用来验证数据和理论的合理性。比如将假数据插入到真数据后在让实验人员进行分析，得到结果后再打开盒子（open the box），让他们剔除假数据后再看看是否会产生同样结果，从而来避免对真数据分析时，实验人员会抱有的某种偏见而造成结果偏差。这称为盲分析（blind analysis）。

生成了1000个人的假数据后，我们把它写到普通的txt文件里，创建一组虚构的原始数据（注意，事先要创建一个空的txt文件）。然后再打开，loop the tree，一条条地记录到TTree里。在这里为了省事，我们在写如虚构数据文件的同时写入TTree，保存为root文件。

运行后直接保持。在Linux里，没有消息是最好的消息，表示顺利运行。

使用了前面的bin小技巧，使binCenter为整数0,1

这里几个直方图之间没有关联，各Fill各的。我们来看TTree！

第二个引号里是切割条件。第三个引号的sames，表示下一张Draw的图叠在之前的上面，同时显示统计盒子。如果是same，不显示统计盒子。

来看看数据关联：蕾丝的年龄分布

这里，在Draw的同时，ROOT也自动计算了计数量，表示这里有45人是蕾丝。

用Scan查看哪些编号的人是蕾丝。这里row行数 相当与编号（对应txt数据文件的第几行）

今天就到这里，谢谢！