99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀分析引力波數據的Python包：GWPY！
分析引力波數據的Python包：GWPY！
2016-02-14
收藏

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？

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：http://v.qq.com/boke/page/g/0/0/g0184mxwie0.html

漫畫式通俗解釋：http://v.qq.com/page/j/x/u/j0184qlilxu.html

LIGO是什么？

激光干涉引力波觀測站（ Laser Interferometer Gravitational-Wave Observatory）LIGO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 。

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：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()


來源/編程派


數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

數據分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調用 initGeetest 進行初始化 // 參數1：配置參數 // 參數2：回調，回調的第一個參數驗證碼對象，之后可以使用它調用相應的接口 initGeetest({ // 以下 4 個配置參數為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務器是否宕機 new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機 product: "float", // 產品形式，包括：float，popup width: "280px", https: true // 更多配置參數說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }