Как обновить массив данных FITS с помощью PyFITS?

Я пытаюсь создать новый файл FITS из двух старых, используя PyFITS.

import pyfits
from sys import stdout
from sys import argv
import time

file1 = argv[1]
file2 = argv[2]

hdu1 = pyfits.open(file1)
hdu2 = pyfits.open(file2)
new0 = hdu1[0]
new1 = hdu1[0]

sci1 = hdu1[0].data
sci2 = hdu2[0].data

for r in range(0, len(sci1)):
    for c in range(0, len(sci1[r])):
       add = sci1[r][c] + sci2[r][c]
       new0.data[r][c] = add
for r in range(0, len(sci1)):
    for c in range(0, len(sci1[r])):
       print "(" + str(r) + ", " + str(c) + ") FirstVal = " + str(sci1[r][c]) + " || SecondVal = " + str(sci2[r][c])
       print "\t New File/Add = " + str(new0.data[r][c])

Все, что он выводит, это первое значение, то есть sci1[r][c]. Это означает, что переменная вообще не изменяется. Как я могу изменить его? Я новичок в использовании FITS.


python numpy pyfits fits
person Adam Smith    schedule 19.03.2014    source источник

Ответы (1)


arrow_upward
2
arrow_downward

Здесь вы сделали sci1 ссылкой на new0.data, что означает, что присвоение new0 также изменяет sci1, поэтому оно изменяет предполагаемую переменную, но ваш цикл печати печатает один и тот же объект дважды. Если вы хотите иметь копию вместо ссылки, вы должны использовать метод копирования объектов, в этом случае sci0 = new0.data.copy()

Это также не тот способ, которым вы должны использовать numpy, который pyfits использует для представления своих изображений. Вместо циклов вы применяете операции к полным массивам, что в большинстве случаев проще для чтения и значительно быстрее. Если вы хотите добавить два подходящих изображения, представленных в виде массивов numpy, на месте:

new0.data += new1.data
print new0.data

или если вы хотите создать новое изображение из суммы обоих входов:

sum_image = new0.data + new1.data
# put it into an pyfits HDU (primary fits extension)
hdu = pyfits.PrimaryHDU(data=sum_image)
person jtaylor    schedule 20.03.2014
comment
Действительно, PyFITS просто возвращает массивы Numpy — здесь нет ничего особенного. Ключ в том, чтобы понять, как правильно использовать Numpy. - person Iguananaut; 21.03.2014