Healpy:从数据到Healpix地图

Question

我有一个数据网格，其中行表示θ(0，pi)，列表示φ(0，2*pi)，其中f(θ，φ)是该位置的暗物质密度。我想要计算它的功率谱，并决定使用healpy。

我不能理解的是如何格式化我的数据以供healpy使用。如果有人能提供代码(基于显而易见的原因，用python编写)或者给我提供一个教程，那就太好了！我已经用下面的代码尝试过了：

#grid dimensions are Nrows*Ncols (subject to change)
theta = np.linspace(0, np.pi, num=grid.shape[0])[:, None]
phi = np.linspace(0, 2*np.pi, num=grid.shape[1])
nside = 512
print "Pixel area: %.2f square degrees" % hp.nside2pixarea(nside, degrees=True)
pix = hp.ang2pix(nside, theta, phi)
healpix_map = np.zeros(hp.nside2npix(nside), dtype=np.double)
healpix_map[pix] = grid 

但是，当我尝试执行代码来做功率谱时。具体来说，就是：

cl = hp.anafast(healpix_map[pix], lmax=1024)

我得到了这个错误：

TypeError:像素数错误

如果有人能给我一个好的教程，或者帮我编辑代码，那就太好了。

更多规范:我的数据在2dNP数组中，如果需要，我可以更改numRow/numCols。

编辑：

我已经解决了这个问题，首先将anafast的参数改为healpix_map。我还通过制作Nrows*Ncols=12*nside*nside改进了间距。但是，我的功率谱仍然有误差。如果有人有关于如何计算功率谱( theta/phi args的条件)的良好文档/教程的链接，那将是非常有帮助的。

Answer 1

在this answer之后，有一种使用numpy.add.at进行映射初始化的更快方法。

在我的机器上，这比Daniel's excellent answer的第一部分快了好几倍

import healpy as hp
import numpy as np
import matplotlib.pyplot as plt

# Set the number of sources and the coordinates for the input
nsources = int(1e7)
nside = 64
npix = hp.nside2npix(nside)

# Coordinates and the density field f
thetas = np.random.uniform(0, np.pi, nsources)
phis = np.random.uniform(0, 2*np.pi, nsources)
fs = np.random.randn(nsources)

# Go from HEALPix coordinates to indices
indices = hp.ang2pix(nside, thetas, phis)

# Baseline, from Daniel Lenz's answer:
# time: ~5 s
hpxmap1 = np.zeros(npix, dtype=np.float)
for i in range(nsources):
    hpxmap1[indices[i]] += fs[i]

# Using numpy.add.at
# time: ~0.6 ms
hpxmap2 = np.zeros(npix, dtype=np.float)
np.add.at(hpxmap2, indices, fs)

Answer 2

给你，希望这就是你要找的。如有疑问，请随时发表评论:)

import healpy as hp
import numpy as np
import matplotlib.pyplot as plt

# Set the number of sources and the coordinates for the input
nsources = int(1.e4)
nside = 16
npix = hp.nside2npix(nside)

# Coordinates and the density field f
thetas = np.random.random(nsources) * np.pi
phis = np.random.random(nsources) * np.pi * 2.
fs = np.random.randn(nsources)

# Go from HEALPix coordinates to indices
indices = hp.ang2pix(nside, thetas, phis)

# Initate the map and fill it with the values
hpxmap = np.zeros(npix, dtype=np.float)
for i in range(nsources):
    hpxmap[indices[i]] += fs[i]

# Inspect the map
hp.mollview(hpxmap)

​

​

由于上面的地图只包含噪声，因此功率谱应该只包含散粒噪声，即平坦。

# Get the power spectrum
Cl = hp.anafast(hpxmap)
plt.figure()
plt.plot(Cl)

​

​