嗨,我正试图从两次调查(PRIMUS和VIPERS(中提取RA、Dec和红移信息,并将它们收集到一个nd阵列中。代码如下:
from astropy.io import fits
import numpy as np
hdulist_PRIMUS = fits.open('data/PRIMUS_2013_zcat_v1.fits')
data_PRIMUS = hdulist_PRIMUS[1].data
data_PRIMUS = np.column_stack((data_PRIMUS['RA'], data_PRIMUS['DEC'],
data_PRIMUS['Z'], data_PRIMUS['FIELD']))
data_PRIMUS = np.array(filter(lambda x: x[3].strip() == 'xmm', data_PRIMUS))[:, :3]
data_PRIMUS = np.array(map(lambda x: [float(x[0]), float(x[1]), float(x[2])], data_PRIMUS))
hdulist_VIPERS = fits.open('data/VIPERS_W1_SPECTRO_PDR2.fits')
data_VIPERS = hdulist_VIPERS[1].data
data_VIPERS = np.column_stack((data_VIPERS['alpha'], data_VIPERS['delta'], data_VIPERS['zspec']))
from astropy import units as u
from astropy.coordinates import SkyCoord
PRIMUS_catalog = SkyCoord(ra=data_PRIMUS[:, 0]*u.degree, dec =data_PRIMUS[:, 1]*u.degree)
VIPERS_catalog = SkyCoord(ra=data_VIPERS[:, 0]*u.degree, dec=data_VIPERS [:, 1]*u.degree)
idx, d2d, d3d = PRIMUS_catalog.match_to_catalog_sky(VIPERS_catalog)
feasible_indices = np.array(map(
lambda x: x[0],
filter(lambda x: x[1].value > 1e-3, zip(idx, d2d))))
data_VIPERS = data_VIPERS[feasible_indices]
data_HZ = np.vstack((data_PRIMUS, data_VIPERS))
当我运行这个时,我得到一个"IndexError:数组的索引太多">
数据集:PRIMUS红移目录-https://primus.ucsd.edu/version1.htmlVIPERS Redshift目录-https://projects.ift.uam-csic.es/skies-universes/VIPERS/photometry/
我认为有几种方法可以做到这一点,因为你不有效地使用现有的可用工具,这会让你自己变得更困难。例如,由于您使用的是FITS文件中的表格数据,因此可以利用Astropy的Table接口:
>>> from astropy.table import Table
>>> primus = Table.read('PRIMUS_2013_zcat_v1.fits')
(对于这个特定的文件,我收到了一些警告,说表中的一些标头是非标准的,但这可以忽略(。
如果只想对表中的几列执行一些操作,那么可以很容易地完成。例如,与其做你所做的,不如一起选择几列,然后将它们堆叠到一个新的阵列中
np.column_stack((data_PRIMUS['RA'], data_PRIMUS['DEC'],
data_PRIMUS['Z'], data_PRIMUS['FIELD']))
您可以从表中选择列的子集,如下所示:
>>> primus[['RA', 'DEC', 'Z', 'FIELD']]
<Table length=213696>
RA DEC Z FIELD
degree degree
float64 float64 float32 bytes13
------------------ ------------------- ---------- -------------
52.892275339281994 -27.833172368069615 0.3420992 calib
52.88448889270391 -27.85252305560996 0.4824943 calib
52.880363885710295 -27.86221750021335 0.33976158 calib
52.88334306466262 -27.86937808271639 0.6134631 calib
52.8866138857103 -27.871773055662942 0.58744365 calib
52.885607068267845 -27.889578785511922 0.26873255 calib
... ... ... ...
34.54856 -4.5544 0.8544105 xmm
34.56942 -4.57564 0.6331108 xmm
34.567412432719756 -4.572718190305209 1.1456184 xmm
34.57134 -4.56414 0.6346616 xmm
34.58088 -4.56804 1.081143 xmm
34.58686 -4.57449 0.7471819 xmm
然后,似乎可以使用filter
函数选择字段为xmm
的RA
、DEC
和Z
列,但由于这些是Numpy数组,因此可以使用Numpy数组索引中内置的过滤功能以及表索引。唯一棘手的部分是,由于这些是固定宽度的字符字段,您仍然需要正确执行比较。您可以使用Numpy的字符串函数,如np.char.startswith
,用于以下操作:
>>> primus = primus[np.char.startswith(primus['FIELD'], b'xmm')]
在进行性能比较的过程中,我意识到这一行可能会出现错误IndexError: too many indices for array
:
>>> np.array(filter(lambda x: x[3].strip() == 'xmm', primus))
array(<filter object at 0x7f5170981940>, dtype=object)
在Python3中,filter
函数返回一个可迭代的,因此将其封装在np.array()
中只会生成一个包含此Python对象的0-D数组;这可能不是您想要的,所以它在这里失败了(这就是查看回溯可能有用的地方(。即使在list()
中封装了filter()
调用,它也不会起作用,因为np.array()
通常只接受同构数组。因此,像我给出的方法是完全足够的(尽管可能有更有效的方法(。它还制作了下一行:
np.array(map(lambda x: [float(x[0]), float(x[1]), float(x[2])], data_PRIMUS))
没有必要。特别是,前三列已经是浮点格式,所以无论如何都没有必要这样做。
一些类似的建议适用于代码的其他部分。我会写得更像这样:
import numpy as np
from astropy.table import Table, vstack
from astropy import units as u
from astropy.coordinates import SkyCoord
primus = Table.read('PRIMUS_2013_zcat_v1.fits')
primus_field = primus['FIELD']
primus = primus[['RA', 'DEC', 'Z']]
primus = primus[np.char.startswith(primus_field, b'xmm')]
vipers = Table.read('VIPERS_W1_SPECTRO_PDR2.fits')[['alpha', 'delta', 'zspec']]
primus_catalog = SkyCoord(ra=primus['RA']*u.degree, dec=primus['DEC']*u.degree)
vipers_catalog = SkyCoord(ra=vipers['alpha']*u.degree, dec=vipers['delta']*u.degree)
idx, d2d, d3d = primus_catalog.match_to_catalog_sky(vipers_catalog)
feasible_indices = idx[d2d > 1e-3]
vipers = vipers[feasible_indices]
vipers.rename_columns(['alpha', 'delta', 'zspec'], ['RA', 'DEC', 'Z'])
hz = vstack(primus, vipers)
如果你对此有任何疑问,请告诉我。