【Python载入数据】 python极简教程

【Python载入数据】python极简教程

python是一种不一定简洁、但非常明了的语言，可读性强，虽然依赖的程序包有时候比较多。就天文数据的处理而言，python是非常合适的。之前已经写过一些python相关的博文（http://blog.sciencenet.cn/blog-117333-679285.html，http://blog.sciencenet.cn/blog-117333-679464.html，http://blog.sciencenet.cn/blog-117333-684226.html，blog.sciencenet.cn/blog-117333-694969.html，http://blog.sciencenet.cn/home.php?mod=space&uid=117333&do=blog&id=695303，http://blog.sciencenet.cn/blog-117333-573394.html，http://blog.sciencenet.cn/blog-117333-574518.html，http://blog.sciencenet.cn/blog-117333-574767.html）。和之前IDL的博文一样，这篇博文的目的也是起到总结的作用，以后不怎么会开新帖了。

python的各个版本可以在这里找到，http://www.python.org/download/releases/。更多python的程序包可以在一个非官方的python程序库网站http://www.lfd.uci.edu/~gohlke/pythonlibs/找到。python画图程序包matplotlib的相关内容可以参见http://matplotlib.org/。下面总结一些数据处理中经常用到的python命令。

注意：缩进在python里是有意义的，所以写代码的时候不能随便空格，要注意对齐。

1. 读取各种格式的文件

（1）FITS

>>> import pyfits

>>> hdulist = pyfits.open('xxx.fits')   # 读头文件及数据，hdulist是一个结构体

>>> image = hdulist[0].data            # 分离出数据

>>> nx = hdulist[0].header['naxis1'] # 读取头文件中相应的参数值

（2）文本文件

>>> import numpy as np

>>> ra,dec,major,minor,angle = np.loadtxt('catalog.txt',unpack=True,usecols=[16,17,18,19,20]) # unpack=True 表明对结果进行转置，使得ra,dec,major=...的格式是合法的

2. 定义数组

（1）定义一个未赋值数组

>>> import numpy as np

>>> a=np.array(10)

（2）定义一个所有元素为0的数组

>>> import numpy as np

>>> a=np.zeros(10)

>>> b=np.zeros((2,5))

（3）定义一个所有元素为1的数组

>>> import numpy as np

>>> a=np.ones(10)

>>> b=np.ones((2,5))

（4）定义一个指标数组

>>> import numpy as np

>>> a=np.arange(1,11,1)

>>> b=np.arange(1,11,1).reshape(2,5)

3. 计算

（1）傅里叶变换

>>> import numpy as np

>>> a=np.ones(100)

>>> b=np.fft.fftn(a)

>>> c=np.fft.ifftn(b).real

4. 画图

（1）积分强度图

# in intensity_map.py:

import pyfits

import numpy as np

import matplotlib.pyplot as plt

hdulist = pyfits.open('xxx.fits')

image = hdulist[0].data

nz = hdulist[0].header['naxis3']

for i in range(0,nz):

Z = Z+image[i,:,:]

ax = plt.subplot(111)

im = plt.imshow(Z, cmap=cm.gist_yarg,

origin='lower', aspect='equal',

extent=[max(x),min(x),min(y),max(y)])

plt.show()

（2）简单曲线图

# in simple_plot.py:

from pylab import *

t=arange(0.0, 2.0, 0.01)

s=sin(2*pi*t)

plot(t,s)

xlabel('time (s)')

ylabel('voltage (mV)')

savefig("test.eps")

show()

5. 查看帮助

>>> help(np.array) #查看np.array函数的定义和用法