drive-ami 1.0.7

理由

从射电天文学的角度来看

此包使从Python脚本化原始AMI数据的简化变得简单。更重要的是，它提供了工具将原始文件分组到数据集中，在每个单独的文件夹下输出每个数据集的UVFITS。它通过从原始数据中提取指向信息来完成此操作，从而产生相当可靠的分组（尽管您可以手动编辑这些，请参阅以下内容）。

在处理数据时，所有来自reduce的输出都保存到相关的日志文件中，保留了用户从交互式界面中通常可以获得的所有信息。同时，所有传递给reduce的模拟命令都记录在每个处理文件的单独日志中，因此可以轻松手动重新运行脚本并调整还原过程。

此外，当运行脚本中列出的命令时，界面会静默解析来自reduce输出的关键信息，例如标记百分比、降雨调制和估计噪声。然后，这些信息以易于机器读取的JSON格式存储到磁盘上，与UVFITS一起（这些信息也可能在未来添加到UVFITS标题中）。

从软件工程的角度来看

使用Fortran编写，具有交互式终端界面，reduce管道需要一点技巧才能与调用脚本协作，使得大量文件的自动化处理变得棘手。幸运的是，Python库pexpect提供了一个简单的机制来模拟人类交互，基于这个机制我创建了一个接口类。通过一些精心的修改，绕过了诸如最大路径长度约为32个字符的限制。Python日志库允许我们向用户提供最少的进度信息，同时保留所有可能的调试和科学评估信息。

安装

要求:

• 您需要一个有效的AMI-reduce安装（自然地）

• pexpect 用于与AMI-reduce交互。它是Python设置的一部分自动安装。

• astropy 用于计算坐标距离等。它是Python设置的一部分自动安装。

从命令行（最好在虚拟环境中）

git clone git://github.com/timstaley/drive-ami.git
cd drive-ami
pip install numpy #Workaround for buggy scipy/numpy combined install.
pip install .

用法

命令行脚本与包一起安装。它们的源文件可以在https://github.com/timstaley/drive-ami/tree/master/bin找到。要获取完整详细信息，请运行例如：

driveami_list_rawfiles.py -h

其中-h代表“帮助”。

典型用法是运行driveami_list_rawfiles.py来构建可用数据的完整列表，然后运行driveami_filter_rawfile_listing.py来提取所需目标的条目。最后，driveami_calibrate_rawfiles.py实际使用AMI-REDUCE进行处理。