引力波數據是用 Python 分析的，真牛！

 Python 作為數據分析師人員應該掌握的一門技術，python技術的發(fā)展及使用在社會上得到更大的應用。

美國科學家11日宣布，他們去年9月首次探測到引力波。這一發(fā)現印證了物理學大師愛因斯坦100年前的預言。宣布這一發(fā)現的，是激光干涉引力波天文臺（LIGO）的負責人。

這個機構誕生于上世紀90年代，進行引力波觀測已經有近30年。那么觀測到的引力波數據的量應該很大，科學家如何對這些數據進行分析？有沒有用到Python編程語言？

答案是肯定的。筆者在Github上發(fā)現了一個專門用于分析引力波數據的Python包：GWPY。據維護者介紹，GWPY的代碼來自LIGO和另一個名叫Virgo的機構，維護者將這兩個機構科學家的Python代碼整理，最終的產品就是GWPY這個用戶友好的Python包。

在具體介紹GWPY之前，先給和筆者一樣的小白簡單科普一下引力波和LIGO的相關知識。

什么是引力波？

This 3-D visualization shows the gravitational waves produced by two orbiting black holes. (Credit: NASA)

上圖是兩個黑洞所產生的引力波的3-D模擬圖（NASA）。

首 先，什么是引力波？在物理學上，引力波是愛因斯坦廣義相對論所預言的一種以光速傳播的時空波動，如同石頭丟進水里產生的波紋一樣，引力波被視為宇宙中的 “時空漣漪”。通常引力波的產生非常困難，地球圍繞太陽以每秒30千米的速度前進，發(fā)出的引力波功率僅為200瓦，還不如家用電飯煲功率大。宇宙中大質量 天體的加速、碰撞和合并等事件才可以形成強大的引力波，但能產生這種較強引力波的波源距離地球都十分遙遠，傳播到地球時變得非常微弱。

下面分享兩個優(yōu)秀的視頻，很好地解釋了引力波及背后的原理。第一個來自LIGO，第二個則是比較通俗的漫畫式講解。

LIGO科學家的解釋：

漫畫式通俗解釋：

LIGO是什么？

激光干涉引力波觀測站Laser Interferometer Gravitational-Wave ObservatoryLIGO是加州理工學院（Caltech）和麻省理工學院（MIT）的合作實驗室，現在也有其他的大學參與。實驗資金來源于美國國家科學基金會。LIGO是用來尋找宇宙中的引力波，從而可以驗證黑洞的存在和檢驗廣義相對論。

LIGO 主要有兩個觀測點，位于路易斯安那Livingston Parish的LIGO Livingston觀測點，和華盛頓 Hanford的LIGO Hanford觀測點。除此之外，在加州Passadena 的Caltech校園中還有LIGO 40m Prototype 。

LIGO是如何探測引力波的？

GWPY：LIGO用它分析引力波數據？

接下來是本文的重頭戲。我們一起來學習如何GWPY分析引力波數據。下面的介紹及示例均來自GWPY的官方文檔。

安裝

很簡單，pip install gwpy就可以完成安裝。

不過安裝的過程可能會比較長，因為gwpy使用的依賴包比較多，包括numpy、 scipy、 cycler、matplotlib、astropy等。

面向對象編程

GWPY是一個面向對象編程的Python包，也就是說，數據對象是這個包的核心關注點。每一個數據對象都體現為一個類實例，包含了其屬性和包含的數據。

如果想創(chuàng)建一個新的類實例，建議使用標準的構建器constructor。舉個例子，我們可以使用一個數據數組，生成一個TimeSeries對象：

>>> from gwpy.timeseries import TimeSeries>>> mydata = TimeSeries([1,2,3,4,5,6,7,8,9,10], sample_rate=1, epoch=0)

或者從在線數據服務器上下載：

>>> from gwpy.timeseries import TimeSeries>>> mydata = TimeSeries.fetch('H1:LDAS-STRAIN', 964656015, 964656615)

核心數據對象

據介紹，GWPY提供了4種核心數據對象，分別代表引力波探測器所產生的四種標準數據：

• TimeSeries（時間序列數據）

• Spectrum（光譜數據）

• Spectrogram（光譜圖）

• DataQualityFlag

引力波數據可視化

我們知道，將引力波探測器收集的數據可視化，對于理解引力波的特性、研究引力波信號來說非常有幫助。gwpy.plotter模塊中提供了一些plot類，可以直觀地展示相應的數據類型。

GWPY的核心數據對象里，大部分都內置有一個plot()方法，可以讓研究人員快速對某個數據集進行可視化展示。舉個例子：

>>> from gwpy.timeseries import TimeSeries>>> data = TimeSeries.fetch('H1:LDAS-STRAIN', 968654552, 968654562)>>> plot = data.plot()>>> plot.show()

gwpy data plot

GWPY：利用公開的LIGO數據進行繪圖

我們接下來利用LIGO公開的一些引力波時間序列數據進行繪圖。我們可以直接在線加載這些數據。首先導入我們需要的模塊：

>>> from urllib2 import urlopen>>> from numpy import asarray>>> from gwpy.timeseries import TimeSeries

然后，下載數據，保存為文本字符串：

>>> data = urlopen('http://www.ligo.org/science/GW100916/L-strain_hp30-968654552-10.txt').read()

現在，我們可以對文本進行解析，補充必要的元數據之后，就可以生成一個TimeSeries：

>>> ts = TimeSeries(asarray(data.splitlines(), dtype=float),>>>                 epoch=968654552, sample_rate=16384, unit='strain')

最后，我們就可以繪圖了：

>>> plot = ts.plot()>>> plot.set_title('LIGO Livingston Observatory data for GW100916')>>> plot.set_ylabel('Gravitational-wave strain amplitude')>>> plot.show()