astronomy

    0熱度

    1回答

    我正在嘗試使用cfitsio編寫並使用像素數據將圖像填充到新的適合文件中。我不確定我在做什麼錯誤,但所有數據都沒有寫入到適合文件中。我用binary vi檢查數據和圖像數據沒有正確創建。我使用NASA website的第二個image HST WFPC 2 fits file。這是我寫的代碼: #include <string.h> #include <stdio.h> #include "f

    0熱度

    1回答

    我試圖找出使用Skyfield的上升/下降月球節點的經度,但無法在文檔中找到任何參考。可能嗎? 也做任何JPL文件已經提供這個數據?

    -2熱度

    2回答

    我「只是」想在(天文學)來讀取FITS表,並通過其名稱:: from astropy.io import fits dr7q = fits.open('Shen_dr7_bh_May_2010.fits') tbdata = dr7q[1].data w = tbdata[tbdata['SDSS_NAME'] == 'J000006.53+003055.2'] print(tbdata

    1熱度

    3回答

    每當我嘗試使用Sympy來整合我的函數時,它不評估它,只是簡單地返回我的輸入乘以1.0。 這裏是我的代碼: import sympy as sp a = sp.Symbol('a') Ωm = 0.31 Ωr = 9*(10**(-5)) ΩΛ = 0.69 Ω0 = Ωm + Ωr + ΩΛ I = sp.integrate(((Ωm*a**(-1)) + (Ωr*a**(-

    1熱度

    1回答

    我試圖編寫一個程序,該程序將從用戶處獲取一組經度爲&的緯度座標,將它們轉換爲x & y Mollweide投影映射的座標,然後報告這些座標處的像素值(在本例中爲噪聲溫度)。 我正在使用的地圖/數據是作爲Mollweide投影圖提供的Haslam 408 MHz All Sky Survey。這些數據採用.fits格式,是對408 MHz頻段噪聲的全天候調查。 根據Mollweide project

    0熱度

    1回答

    我有一套大型的,> 10M的對象,帶有R.A.s和Declinations的文件。我想製作這些日誌密度全天空地圖,使用我認爲healpix/healpy。我當前的代碼如下所示: m = hp.ang2pix(512, ra, dec, lonlat=True) NSIDE = 512 np.arange(hp.nside2npix(NSIDE)) hp.visufunc.mollview(m

    0熱度

    1回答

    希望這個問題不是太模糊,或要求太多。本質上,我正在分析大量的光譜,並希望創建一個包含這些光譜的大網頁,而不是查看單個光譜。附件是最終結果應該是什麼樣子的例子。 在那裏每個單獨的光譜是由一個巨大的圖書館拉動。自從我編寫代碼已經很長時間了,所以這仍然是一種學習體驗。我設法創建了一個網頁,並提出了一個單一的光譜。但是沒有把這兩個放在一起。尤其不在數十萬的規模上。據推測這是一個for循環的問題? 如果有人

    2熱度

    1回答

    我試圖產生某些光度與以下形式的QSO的隨機概率密度函數: 1 /((L/L_B^*)^阿爾法+(L/L_B^*)^β) 其中L_B^*,α和β都是常數。要做到這一點,下面的代碼被用於: import scipy.stats as st logLbreak = 43.88 alpha = 3.4 beta = 1.6 class my_pdf(st.rv_continuous):

    0熱度

    1回答

    我有一個星系列表可以繪製到healpix地圖上(我使用healpy來做)每個星系都有一個通量集,我需要讓它們以這樣一種方式繪圖:通量對於每個星系在地圖上是守恆的。 這是我的代碼: import numpy as np import matplotlib.pyplot as plt import healpy as hp pi = np.pi nside = 8 xsize = 100

    1熱度

    1回答

    我有一個程序創建一個太陽系,整合直到相鄰行星之間發生近距離接觸(或直到10e + 9年),然後將兩個數據點寫入文件。當行星離得太近時,嘗試和除外行爲就會成爲一面旗幟。該過程重複16,000次。這一切都是通過導入模塊REBOUND完成的,該模塊是一個軟件包,它將顆粒在重力影響下的運動整合在一起。 for i in range(0,16000): def P_dist(p1, p2):