per ritrovare kapton

python/aeFF.py

@@ -12,7 +12,7 @@ from rmf import rmf_file
 
 def main():
     # 1 Estract data from fits file and give this output file_dat
-    file_dat = "areaEfficace.dat"
+    file_dat = "areaEfficace.dat"     # è solo un file di testo che mi lista i dati, serve per scrivere rmf e arf, passarci sempre anche se non faccio rmf e arf
     data_estraction(file_dat)
     
     #2 Filter data

python/data.py

@@ -6,7 +6,9 @@ import astropy.io.fits as pyfits
 from noisy import add_noise_X, add_noise_S
 
 
-def write_fits_dep(energy, theta, phi, type, en_dep_noisy, en_dep, name_id, pos_id):
+def write_fits_dep(energy, en_primary, theta, phi, type, en_dep_noisy, en_dep, name_id, pos_id, x_pixel, y_pixel):  # ! è qui che decido quali informazioni sulla simulazione voglio nei file fits_dep
+    
+    
     
     # Write FITS file
     # "Null" primary array
@@ -14,18 +16,19 @@ def write_fits_dep(energy, theta, phi, type, en_dep_noisy, en_dep, name_id, pos_
     
     # Extension
     tbhdu = pyfits.BinTableHDU.from_columns([
-        pyfits.Column(name='En_dep_Noise', format='1D', unit='keV', array = en_dep_noisy),
-        pyfits.Column(name=name_id, format='1I', array = pos_id)
+        #pyfits.Column(name='En_dep_Noise', format='1D', unit='keV', array = en_dep_noisy),
+        pyfits.Column(name='En_Primary', format='1D', unit='keV', array = en_primary),
+        #pyfits.Column(name='(X,Y)', format='2I', array = (x_pixel,y_pixel))       
         #pyfits.Column(name='En_dep', format='1D', unit='keV', array = en_dep)
         ])
     
     tbhdu.header['EXTNAME'] = 'EVENTS'
     tbhdu.header['TELESCOP'] = 'THESEUS'
     tbhdu.header['INSTRUME'] = 'XGIS'
-    tbhdu.header['COMMENT'] = "Simulated energy deposits with noise"
+    tbhdu.header['COMMENT'] = "Simulated GRB spectrum, Band funcition alpha1 = -1, alpha2 = -3, Ebreak = 100 "
     tbhdu.header['TUNIT1'] = "keV" 
     tbhdu.header['TYPE'] = type
-    tbhdu.header['ENERGY'] = energy
+    #tbhdu.header['ENERGY'] = energy
     tbhdu.header['THETA'] = theta
     tbhdu.header['PHI'] = phi
     tbhdu.header['COMMENT'] = "Alfonso Pisapia"
@@ -36,14 +39,13 @@ def write_fits_dep(energy, theta, phi, type, en_dep_noisy, en_dep, name_id, pos_
     if not os.path.exists(fits_dep_dir):
         os.makedirs(fits_dep_dir)
         
-    file_name = f"{type}_en_dep_{energy:.1f}_{theta}_{phi}.fits"
+    file_name = f"{type}_grb_{theta}_{phi}.fits"
     
     output_file = os.path.join(fits_dep_dir, file_name)
     hdulist.writeto(output_file, overwrite=True)
     
     return file_name
 
-
 # Funzione che prende in input un singolo file FITS da processare.
 def get_data(files):
     # Estrazione di energia, theta e phi dal nome del file
@@ -54,7 +56,7 @@ def get_data(files):
     theta = float(name_parts[2])
     phi = float(name_parts[3])
     
-    # Apertura del file fits e lettura dei dati
+    # Apertura del file fits e lettura dei dati                                        # ! in base alle info che voglio nel fits_dep qui devo richiamare le info
     with pyfits.open(files) as hdul:
         data = hdul[1].data
         tot_events = len(data)
@@ -63,7 +65,10 @@ def get_data(files):
         scint_id_col = data['Scint_ID']
         scint_id = scint_id_col[scint_id_col != -1000]
         energy = data['En_Primary'][0]
+        en_primary = data['En_Primary']
         en_dep = data['En_dep']
+        x_pixel = data['X_Pixel']
+        y_pixel = data['Y_Pixel']
         X_en_dep = en_dep[scint_id_col == -1000]
         S_en_dep = en_dep[scint_id_col != -1000]
         eventi_X = (scint_id_col == -1000).sum()
@@ -74,16 +79,16 @@ def get_data(files):
         X_en_dep_noisy = [add_noise_X(X_dep) for X_dep in X_en_dep] # list comprehension di Python, una struttura compatta che consente di applicare una funzione a ciascun elemento di un array o di una lista, creando direttamente un nuovo array con i risultati.
         S_en_dep_noisy = [add_noise_S(S_dep) for S_dep in S_en_dep]
 
-    return energy, ratio_X, ratio_S, theta, phi, X_en_dep_noisy, S_en_dep_noisy, X_en_dep, S_en_dep, pixel_id, scint_id
-
+    return energy, en_primary, ratio_X, ratio_S, theta, phi, X_en_dep_noisy, S_en_dep_noisy, X_en_dep, S_en_dep, pixel_id, scint_id, x_pixel, y_pixel
 
+# scrive sia il file di testo che i file fits
 def write_results(file_dat, results):
 
     with open(file_dat, "w") as f:
-        for energy, ratio_X, ratio_S, theta, phi, X_en_dep_noisy, S_en_dep_noisy, X_en_dep, S_en_dep, pixel_id, scint_id in results:
+        for energy, en_primary, ratio_X, ratio_S, theta, phi, X_en_dep_noisy, S_en_dep_noisy, X_en_dep, S_en_dep, pixel_id, scint_id in results:
             
-            X_fits = write_fits_dep(energy, theta, phi, 'X', X_en_dep_noisy, X_en_dep, 'Pixel_ID', pixel_id)
-            S_fits = write_fits_dep(energy, theta, phi, 'S', S_en_dep_noisy, S_en_dep, 'Scint_ID', scint_id)
+            X_fits = write_fits_dep(energy, en_primary, theta, phi, 'X', X_en_dep_noisy, X_en_dep, 'Pixel_ID', pixel_id)
+            S_fits = write_fits_dep(energy, en_primary, theta, phi, 'S', S_en_dep_noisy, S_en_dep, 'Scint_ID', scint_id)
             
             f.write(f"{energy:.1f}\t{ratio_X:.3f}\t{ratio_S:.3f}\t{theta}\t{phi}\t{X_fits}\t{S_fits}\n")
 
@@ -103,4 +108,4 @@ def data_estraction(file_dat):
     with Pool() as pool:
         results = pool.map(get_data, files) # qui files è l'argomento che passi a get_data
     
-    write_results(file_dat, results)
\ No newline at end of file
+    write_results(file_dat, results)         # per tutti i file fits che trova, in parallelo, ottiene i dati  e li scrive in file_dat
\ No newline at end of file