天文学 python

NumFOCUS是一个非营利性慈善机构，为科学计算和数据科学提供惊人的开源工具包。 为了使Opensource.com读者与NumFOCUS社区保持联系，我们正在重新发布博客中一些最受欢迎的文章。 要了解有关我们的使命和计划的更多信息，请访问numfocus.org 。 如果您有兴趣亲自参与NumFOCUS社区，请查看您附近发生的本地PyData事件 。

Python天文学

Python是一门伟大的科学语言，特别是天文学。 NumPy ， SciPy ， Scikit-Image和Astropy之类的各种软件包（仅举几例）都很好地证明了Python在天文学中的适用性，并且有很多用例。 [NumPy，Astropy和SciPy是NumFOCUS资助的项目； Scikit-Image是一个附属项目。]自从10年前将天文学研究领域抛弃，开始了第二个软件开发者职业以来，我一直对这些软件包的发展感兴趣。 我的许多前天文学同事在研究工作中使用了大多数（如果不是全部）这些软件包。 从那时起，我就致力于为智利的甚大望远镜（VLT）的仪器实施专业的天文学软件包。

最近让我感到震惊的是，Python软件包已经发展到某种程度，以至于现在任何人都可以很容易地构建可以提供高质量数据产品的数据缩减脚本。 天文数据无处不在，而且，几乎所有数据都是公开可用的，您只需要查找它即可。

例如，运行VLT的ESO提供了要在其站点上下载的数据。 转到www.eso.org/UserPortal并为其门户创建用户名。 如果您从SPHERE仪器中查找数据，则可以下载附近所有有系外行星或原恒星圆盘的恒星的完整数据集。 对于任何Pythonista来说，减少这些数据并使深深隐藏在噪音中的行星或盘片都是可见的，这是一个奇妙而激动人心的项目。

我鼓励您下载ESO或任何其他天文学影像数据集，然后继续进行冒险。 这里有一些提示：

1. 从一个好的数据集开始。 看一下有关带有圆盘或系外行星的恒星的论文，然后进行搜索，例如： http : //archive.eso.org/wdb/wdb/eso/sphere/query 。 请注意，此站点上的某些数据标记为红色，另一些标记为绿色。 红色数据尚未公开可用-可用时会在“发布日期”下显示。
2. 阅读有关您正在使用的数据的仪器的一些信息。 尝试基本了解如何获取数据以及标准数据缩减的外观。 所有望远镜和仪器都有关于此的公开可用文件。
3. 您将需要考虑天文数据的标准问题并进行纠正：
   1. 数据包含在FITS文件中。 您将需要pyfits或astropy （包含pyfits）才能将它们读入NumPy数组。 在某些情况下，数据以多维数据集形式出现，因此您应该沿z轴使用numpy.median将它们转换为二维数组。 对于某些SPHERE数据，您需要在同一张图像上获得同一片天空的两个副本（每个副本具有不同的滤镜），您需要使用索引和切片来提取它们。
   2. 主暗像素图坏。 所有乐器都会将特定的图像拍摄为“暗框”，其中包含快门关闭的图像（完全没有光）。 为此，使用NumPy蒙版数组使用这些元素提取不良像素的蒙版 。 不良像素的蒙版将非常重要-在处理数据以最终获得干净的组合图像时，您需要对其进行跟踪。 在某些情况下，它还有助于从所有科学原始图像中减去该主暗度。
   3. 仪器通常还将具有一个主平面框架。 这是使用平面均匀光源拍摄的图像或一系列图像。 您将需要以此来划分所有科学原始图像（再次，使用numpy掩码数组使此操作很容易进行划分）。
   4. 对于行星成像，使行星对明亮的恒星可见的基本技术依赖于使用日冕仪和称为角差成像的技术。 为此，您需要确定图像上的光学中心。 这是最棘手的步骤之一，需要使用skimage.feature.blob_dog查找嵌入在图像中的一些人工辅助图像。
4. 耐心一点。 可能需要一段时间来了解数据格式以及如何处理它。 绘制一些像素数据图和直方图可以帮助您理解它。 坚持下去很值得！ 您将学到很多有关成像数据和处理的知识。

结合使用NumPy，SciPy，Astropy，scikit-image提供的工具，以及更多的耐心和持久性，可以分析大量可用的天文数据以产生惊人的结果。 谁知道呢，也许您将是第一个发现先前被遗忘的行星的人！ 祝好运！

本文最初发布在NumFOCUS博客上，并经许可重新发布。 它是基于讲座由奥莱默勒-尼尔森 ，首席技术官Pivigo。 如果您想支持NumFOCUS，则可以在此处捐款或查找世界各地发生的本地PyData事件 。

翻译自: https://opensource.com/article/19/10/python-astronomy-open-data

天文学 python