Scikit-Qfit 0.1.5

说明

此包实现了中描述的算法：

• G W FOBES，Fitting freeform shapes with orthogonal bases，选择。快车2119061-19081（2013年）

有关q-自由形式多项式的其他项目文档和参考资料，请访问： http://scikit-qfit.readthedocs.org/。

安装

该软件包可以通过pip安装：

> pip install scikit-qfit

用法

若要从数据映射生成无q形式的频谱，请传递坐标数组x和y以及 以shape（x.size，y.size）作为qspec（）方法参数的数据。方位和径向光谱 极限分别由m_max和n_max设置。

>>> import skqfit.qspectre as qf
>>> ...
>>> qspec = qf.qspec(x, y, zmap, m_max=500, n_max=500)

为了观察光谱成分的贡献，有必要在正向处理步骤中使用正弦和余弦元素。 在修改光谱之后，逆过程将创建一个数据映射以及x和y导数。

>>> qs = qf.QSpectrum()
>>> qs.data_map(x, y, zmap)
>>> a_nm, b_nm = qs.q_fit(mmax, nmax)
>>> ... # modify spectrum
>>> nmap, dfdx, dfdy = qs.build_map(x, y, a_nm, b_nm, inc_deriv=True)

通过传递一组表示 （x，y）坐标。

>>> zv, dfdx, dfdy = qs.build_profile(xv, yv, a_nm, b_nm, inc_deriv=True)

限制

该算法所需的雅可比多项式计算可以产生非常大的数目，从而限制了光谱分辨率。 对于径向和方位项（n，m）的最大值为1500。使用大于此值的值可能导致溢出。 如果数据映射的标称光谱分辨率大于此限制，则应在处理之前过滤数据 以避免混淆。

注意，这个过程是一个n^2算法，因此将径向项和方位项的数目加倍需要四倍的时间。

依赖关系

该软件包需要numpy和scipy，并在linux上使用：

• Python 2.7.6
• numpy 1.14.5
• scipy 1.0.0

这些python、numpy和scipy版本在测试时可以在ubuntu 18.04linux版本上获得。 这个包已经用Python3.6成功地进行了非正式测试，我不知道为什么它不应该使用 这些包的后续版本。

确认

• 格雷格福布斯支持算法的实现和验证。
• andreas beutler，Mahr GmbH，用于选择将此工作作为开放源码提供。

注

此项目是使用PyScaffold 3.2.1建立的。详细信息和用法 有关pyscaffold的信息，请参见https://pyscaffold.org/。