张文君的博客

specfind射电谱指数库查询

Jy转换成K单位

wcsAxes

求天球坐标系上两个点的角距离

针对某个源内得多个pixe点。在两个频率上分别对应的温度数据可以做他们的TT-plots得到的斜率加上2即为流量定标下的谱指数提供了一种其他方式计算谱指数，平均的好处是可以剔除某个不好的点，当然坏处也是，如果谱指数不均匀，可能带来比较大的偏差。...

python程序的装修【文件可执行权限】【__name__】

打开kvis test.fits此时会有两个面板，一个是fits文件对应的图片，另外一个对设置一些参数设置数值百分比Browser面板里面Histogram 可以设置数值百分比Contour 可以调出轮廓第三个维度的变化查看有些fit文件有三个维度，第三维一般指在某个二维空间一个点上，值随不同频率（或者其他）的变化点击KVIS有图像的面板viewMovieStart Movie可以看到图像面板在动态变换点击viewProfile Modeline然后鼠标

如何把fits文件的pix坐标和world坐标相互转换呢，用astropy可以有两种方法来进行转换

标准化画图，包括colorbar，imshow数据，坐标投影到世界坐标系，画分辨率beam，contour轮廓。由以下代码提供，文件来源MPIFR网址from astropy.io import fits as pffrom reproject import reproject_interpfrom astropy.wcs.wcs import WCSfrom matplotlib.pyplot import plot, scaimport numpy as npfrom astropy imp

fits文件的映射的可以在规定的头文件之下，把数据按规定的头文件进行映射。有以下作用改变数据大小和中心的位置例如上面两张图前后经过映射之后，可以缩小数据的范围，并且数据的中心是可以根据你的科学目标进行更改的具体代码如下import numpy as npfrom astropy.io import fits as pffrom astropy.wcs import WCSfrom reproject import reproject_interp#这个fits文件是MPIFR下载的，

利用随机函数生成任意大小的的数组，并且用seed种子可以固定每次产生的随机数。在测试数据和测试语法的时候，非常好用import randomimport nprandom.seed(1) #每一个种子数对应一种随机数的取法a = np.random.randint(1,5,20).reshape(4,5) #前面是生成20个数据，后面是改变他的shape...

简单朴实无华的代码，但是用的异常频繁。用来判断对应的对应文件是否存在，如果存在就运行if后面import osif os.path.exists('file_name'): print('ok')如果是文件不存在才运行if后面的内容的话，可以使用import osif not os.path.exists('file_name'): print('ok')...

cpu内存和线程天文数据总是庞大的，这需要我们根据自己电脑的配置去最大化的使用cpu的内存和cpu的多线程。https://blog.youkuaiyun.com/huangyanlong/article/details/43935535?spm=1001.2014.3001.5506这个链接提供cpu内存和线程的基本查看命令。线程确定了我们只能同时执行最大线程的任务数，超过线程的任务会排队等待。cpu内存提供了一个高速缓存空间，例如我们要重复的读写某个大小约2g的fits文件，第一次读可能需要更长时间，..

天文中存在很多干扰信号，并且很多干扰信号是远远大于背景，因为分布分散，可以考虑用中值滤波去去除这些干扰。中值滤波的原理相当于用周围的数值然后求和平均去代替每个点的数值，这样做的好处是，只要干扰比较小的情况下，可以进行有效的平滑，具体参考代码和下文的链接。from numpy import randomimport matplotlib.pyplot as pltfrom astropy.modeling import models, fittingfrom astropy.stats import

python数据读写 panda（to_csv和read_csv）【读取dat文件】【写入dat文件】

import matplotlib.pyplot as pltimport numpy as npfrom numpy.ma.core import wherea = np.array([10,5,6,7])print(where(a==5))print(a>6)print(a[a>6])print(a[np.logical_and(a>6,a<10)])(array([1]),)[ True False False True][10 7][7]

from numpy import randomimport matplotlib.pyplot as pltfrom astropy.modeling import models, fittingfrom astropy.stats import sigma_clipimport numpy as np#自己创建一个数据x = np.array(range(600))y = np.random.rand(600)+10y = y+ x*0.01y[10:15] = y[10:15]+1

以前画图只会plt.plot然后plt.show，但是在面对要多个图和画子图的时候，前后的数据错位总是很头疼，分享这种比较常用的画图方法。import numpy as npimport matplotlib.pyplot as pltx = np.array(range(10))y = x+1fig1 = plt.figure(1) #画第一张图 figure里面的数字是标记数字，原则上任意ax = fig1.add_subplot(111)for i in range(

fit文件图像一般用ds9或一些天文软件可以直接打开，不过有时候我们需要在python里面画出来或者自己加一些标识，或者检查一下，这个时候用到imshow这个函数。from astropy.io import fits as pfimport matplotlib.pyplot as pltimport numpy as npoutput = 'final_test_5000_I.fits'data = pf.getdata(output) #显示一个数据的范围，因为有些太大的影响图片的效果

坐标系转换一张图可以用经纬度来表示某个点的位置信息，也可以用图中的像素点来表示。为了节省存贮的空间，fit文件里的索引，往往都是用像素点去索引，这样需要我们掌握，如何通过经纬度去转换成图中对应的像素点。from astropy.coordinates import sky_coordinatefrom astropy.io import fitsfrom astropy.utils.console import color_printimport matplotlib.pyplot as plt

fit文件是天文中常用的数据存储格式python读取fit文件from astropy.io import fitsinten = fits.open("1077910616_deep-MFS-image-pb_warp.fits")inten.info（）1可以看到这个fit文件里面有一条数据，并且是400040001*1的矩阵，数据格式是float64双精度型inten[0].headerNAXIS是轴BSCALE是比例尺：实际值=图像值*（BSCALE+BZERO）B

写在前面的话经过这次ska暑期训练，两三天的时间做个小小的科研项目，感觉学了很多东西，分门别类的记录一下吧。登入服务器ssh -Y 服务器的域名，输入密码即可登录（-Y是因为有些图形窗口需要弹窗）进去之后sinfo可以查看各个cpu的情况三种提交作业的方式我们要在服务器上跑一个指令，我们需要用提交作业的方式去提交，让服务器给我们分配资源跑这个指令sbatch -w purley-x86-cpu03 cotter.sh --datadir=/o9000/YNU_Course/acct29 -

ds9软件一些操作的记录

在扫描轨迹的上确定对应的时间值，可以确定扫描的方向 fig = plt.figure() ax = fig.add_subplot(1,1,1) cm = plt.cm.get_cmap('coolwarm') #colorbar im = ax.scatter(self.ra, self.dec, c=self.ObsTime , cmap=cm) plt.colorbar(im) plt.show()

karma的安装参考一下链接https://blog.youkuaiyun.com/qq_42948242/article/details/84979943?utm_source=app&app_version=4.5.8设置环境变量就是把export的内容写到bashrc里面gedit .bashrc #打开bashrc在终端里面激活一下source .bashrc以后就可以直接在终端里面输入kvis直接进入了...

今天要安装 kapteyn和pyslalib和这两个包一开始用conda 的安装指令非常的慢，之后改用pip install就快很多了kapteyn只能在python3.6以下的版本兼容，这个很坑pyslalib安装的时候还是会报错一堆红字的那种，后面参考了一下这边文章也搞定了https://www.cnblogs.com/cj695/p/5216028.html以后就记录一下天文编程有关的东西了，方便自己以后重装系统和学习记录...