0

这是在天文学中，但我认为我的问题可能非常初级——我不是很有经验，我很抱歉。

我正在绘制恒星形成星系的颜色（y 轴）与红移（x 轴）之间的关系。该图是一条从大约 0 上升到大约 9 的线，然后再次衰减到大约 -2。就红移而言，峰值（~9 颜色）约为 4，我想更准确地找到峰值。红移是由一个相当令人困惑的函数给出的，我不知道如何区分它，否则我只会这样做。

  • 我可以区分复杂的红移（z）函数吗？如果是这样，怎么做？

  • 如果不是，我如何以图形/数字方式估计峰值？

很抱歉这个非常基本的问题，并提前非常感谢您。我的代码如下。

import numpy as np
import matplotlib.pyplot as plt
import IGM
import scipy.integrate as integrate

SF = np.load('StarForming.npy')

lam = SF[0]

SED = SF[1]

filters = ['f435w','f606w','f814w','f105w','f125w','f140w','f160w']
filters_wl = {'f435w':0.435,'f606w':0.606,'f814w':0.814,'f105w':1.05,'f125w':1.25,'f140w':1.40,'f160w':1.60} # filter dictionary to give wavelengths of filters in microns

fT = {} # this is a dictionary

for f in filters:

data = np.loadtxt(f+'.txt').T

fT[f]= data    

fluxes = {}

for f in filters: fluxes[f] = [] # make empty list for each 

redshifts = np.arange(0.0,10.0,0.1) # redshifts going from 0 to 10

for z in redshifts:

    lamz = lam * (1. + z)
    obsSED = SED * IGM.madau(lamz, z)

    for f in filters:

        newT = np.interp(lamz,fT[f][0],fT[f][1]) # for each filter, refer back

        bb_flux = integrate.trapz((1./lamz)*obsSED*newT,x=lamz)/integrate.trapz((1./lamz)*newT,x=lamz) 
        # 1st bit integrates, 2nd bit divides by area under filter to normalise filter

        # loops over all z, for all z it creates a new SED, redshift wl grid    

        fluxes[f].append(bb_flux)


for f in filters: fluxes[f] = np.array(fluxes[f])

colour = -2.5*np.log10(fluxes['f435w']/fluxes['f606w'])

plt.plot(redshifts,colour)
plt.xlabel('Redshift')
plt.ylabel('Colour')
plt.show
4

1 回答 1

0

我没有足够高的声誉来发表评论，但这可能会解决您的问题，所以我猜它的答案。将所有 y 坐标存储在列表中，然后使用 max(list) 函数查找最大值。如果您想要一个有序对，请将您的坐标存储为 (y,x) 元组并使用 max(list)

lst = [(3,2), (4,1), (1, 200)]
max(lst)

产量 (4,1)

于 2016-11-10T20:41:43.180 回答