1

可能与Ashley 的帖子重复（但我还不能发表评论；））。

尝试将列添加到我的初始FITS_rec的子选择/样本时，我遇到了同样的问题（基于numpy的recarray）；所有行都重新出现（并且似乎没有尊重这个新列的填充......）。Vlas Sokolov 提出的“ hdu_sliced._get_raw_data() ”是一个对我来说效果很好的解决方案，但我想知道：

1) Iguananaut 建议的“更好的方法”是什么？我当然需要有人帮我搜索一下；新手我感觉卡住了：$（需要留在FITS_rec中）。

2）这是预期的行为吗？意思是，我们真的想在一个“掩码数组”上工作，它会是我们原始数组的副本吗？最让我担心的是新计算列中值的“崩溃”。见下文：

# A nice FITS_rec
a1 = np.array(['NGC1001', 'NGC1002', 'NGC1003'])
a2 = np.array([11.1, 12.3, 15.2])
col1 = fits.Column(name='target', format='20A', array=a1)
col2 = fits.Column(name='V_mag', format='E', array=a2)

cols = fits.ColDefs([col1, col2])
hdu = fits.BinTableHDU.from_columns(cols)

ori_rec=hdu.data

ori_rec
`

FITS_rec([('NGC1001', 11.1), ('NGC1002', 12.3), ('NGC1003', 15.2)], dtype=(numpy.record, [('target', 'S20'), ('V_mag' , ' 

# Sub-selection
bug=ori_rec[ori_rec["V_mag"]>12.]
bug

FITS_rec([('NGC1002', 12.3), ('NGC1003', 15.2)], dtype=(numpy.record, [('target', 'S20'), ('V_mag', '

到目前为止，一切都很好...

# Let's add a new column
col0=bug.columns
col1 =fits.ColDefs([fits.Column(name='new',format='D',array=bug.field("V_mag")+1.)])
newbug = fits.BinTableHDU.from_columns(col0 + col1).data

FITS_rec([('NGC1001', 11.1, 13.30000019), ('NGC1002', 12.3, 16.20000076), ('NGC1003', 15.2, 0.)], dtype=(numpy.record, [('target', 'S20 '), ('V_mag', '

...AND ... NGC1002 和 NGC1003 的新列的值是正确的，但分别在 NGC1001 和 NGC1002 的行中...：|

欢迎任何启蒙:)

4

1 回答 1

0

这是一个令人困惑的问题，它源于一个事实，即其中有许多层的遗留类和数据结构astropy.io.fits（源于早期版本的 PyFITS）。例如，您可以在示例中看到它hdu.data是一个FITS_rec对象，它类似于 Numpy recarray （本身是一个软弃用的遗留类），但它也有一个.columns属性（正如您所指出的）：

>>> bug.columns
ColDefs(
    name = 'target'; format = '20A'
    name = 'V_mag'; format = 'E'
)

这反过来实际上保留了对您描述列的原始数组的引用。例如：

>>> bug.columns['target'].array
chararray(['NGC1001', 'NGC1002', 'NGC1003'],
      dtype='|S20')

您可以在这里看到，即使bug是原始表的“切片”，通过引用的数组bug.columns仍然包含原始的、未切片的数组数据。因此，当您在原始帖子中执行类似操作时

>>> col0 = bug.columns
>>> col1 = fits.ColDefs([fits.Column(name='new',format='D',array=bug.field("V_mag")+1.)])

它在这里尽最大努力找出意图，但col0这里不知道这bug是原始表的一部分，它只有原始的“coldefs”和完整的列在这里依赖。

大多数这些类，包括FITS_rec, Column，尤其是ColDefs几乎不再需要直接使用。不幸的是，并非所有文档都已更新以反映这一事实，并且有很多较旧的教程和示例代码显示了这些类的用法。没有必要的专业知识能够花时间更新文档并澄清这一点。

Column如果您已经在单独的数组中拥有每列的列数据，并且您想从中构建一个表并为表列提供一些特定的 FITS 属性，则有时会很有用。但是我重新设计了大部分 API，以便您可以将原生 Python 数据结构（如 Numpy 数组）保存到 FITS 文件中，而不必担心FITS 的实现细节或在许多情况下烦人的事情（如 FITS 数据格式代码）。

这个工作有点不完整，因为看起来如果你想从一些列数组中定义一个 FITS 表，你仍然需要使用Column该类并至少指定一个 FITS 格式（但你永远不需要ColDefs直接使用）：

>>> hdu = fits.BinTableHDU.from_columns([fits.Column(name='target', format='20A', array=a1), fits.Column(name='V_mag', format='E', array=a2)])
>>> hdu.data
FITS_rec([('NGC1001', 11.1), ('NGC1002', 12.3), ('NGC1003', 15.2)],
      dtype=(numpy.record, [('target', 'S20'), ('V_mag', '<f4')]))

但是，您也可以直接使用 Numpy 结构化数组，我个人通常觉得这更简单，因为它允许您忽略大多数 FITS 主义并只关注您的数据，对于那些微调 FITS 并不重要的情况-具体的东西。例如，要为您的数据定义一个结构化数组，有几种方法可以实现，但您可以尝试：

>>> nrows = 3
>>> data = np.empty(nrows, dtype=[('target', 'S20'), ('V_mag', np.float32)])
>>> data['target'] = a1
>>> data['V_mag'] = a2
>>> data
array([('NGC1001', 11.100000381469727), ('NGC1002', 12.300000190734863),
       ('NGC1003', 15.199999809265137)],
      dtype=[('target', 'S20'), ('V_mag', '<f4')])

然后你可以BinTableHDU直接从这个数组实例化一个：

>>> hdu = fits.BinTableHDU(data)
>>> hdu.data
FITS_rec([('NGC1001', 11.1), ('NGC1002', 12.3), ('NGC1003', 15.2)],
      dtype=(numpy.record, [('target', 'S20'), ('V_mag', '<f4')]))
>>> hdu.header
XTENSION= 'BINTABLE'           / binary table extension
BITPIX  =                    8 / array data type
NAXIS   =                    2 / number of array dimensions
NAXIS1  =                   24 / length of dimension 1
NAXIS2  =                    3 / length of dimension 2
PCOUNT  =                    0 / number of group parameters
GCOUNT  =                    1 / number of groups
TFIELDS =                    2 / number of table fields
TTYPE1  = 'target  '
TFORM1  = '20A     '
TTYPE2  = 'V_mag   '
TFORM2  = 'E       '

同样，当涉及到像屏蔽、切片和添加新列这样的事情时，最好直接使用本机 Numpy 数据结构。

或者，正如其他问题的答案中所建议的那样，使用 Astropy TableAPI，如果您能提供帮助，请不要乱用低级 FITS 东西。因为正如我所讨论的，它包含几层遗留接口，使事情变得混乱（长期可能应该清理，但很难做到，因为以某种方式使用它们的代码无处不在）。Table API 是从头开始设计的，目的是使表格操作（包括屏蔽行和添加列等操作）相对容易。而旧的 PyFITS API 在许多简单的情况下从未完全奏效。

我希望这个答案很有启发性——我知道它可能有点长而且令人困惑。如果有什么具体的我可以澄清让我知道。

于 2018-10-02T10:53:09.500 回答