python - 使用healpy使用HEALPix像素化制作2D直方图

Question

数据是天空中对象的坐标，例如，如下所示:

import pylab as plt
import numpy as np
l = np.random.uniform(-180, 180, 2000)
b = np.random.uniform(-90, 90, 2000)

我想做一个2D直方图，以便在Mollweide投影上使用HEALPix像素化在天空中用 (l, b)坐标绘制某个点的密度图。如何使用healpy做到这一点？

本教程:

http://healpy.readthedocs.io/en/v1.9.0/tutorial.html

说了如何绘制一维数组或拟合文件，但我没有找到如何使用这种像素化方法来绘制二维直方图。

我也找到了此功能，但无法正常工作，所以我被卡住了。

hp.projaxes.MollweideAxes.hist2d(l, b, bins=10)

我可以通过以下方式在Mollweide投影中绘制这些点的图:

l_axis_name ='Latitude l (deg)'
b_axis_name = 'Longitude b (deg)'

fig = plt.figure(figsize=(12,9))
ax = fig.add_subplot(111, projection="mollweide")
ax.grid(True)

ax.scatter(np.array(l)*np.pi/180., np.array(b)*np.pi/180.)

plt.show()

预先非常感谢您的帮助。

Answer 1

好问题!我编写了一个简短的函数，将目录转换为数字的HEALPix映射:

from astropy.coordinates import SkyCoord
import healpy as hp
import numpy as np

def cat2hpx(lon, lat, nside, radec=True):
    """
    Convert a catalogue to a HEALPix map of number counts per resolution
    element.

    Parameters
    ----------
    lon, lat : (ndarray, ndarray)
        Coordinates of the sources in degree. If radec=True, assume input is in the icrs
        coordinate system. Otherwise assume input is glon, glat

    nside : int
        HEALPix nside of the target map

    radec : bool
        Switch between R.A./Dec and glon/glat as input coordinate system.

    Return
    ------
    hpx_map : ndarray
        HEALPix map of the catalogue number counts in Galactic coordinates

    """

    npix = hp.nside2npix(nside)

    if radec:
        eq = SkyCoord(lon, lat, 'icrs', unit='deg')
        l, b = eq.galactic.l.value, eq.galactic.b.value
    else:
        l, b = lon, lat

    # conver to theta, phi
    theta = np.radians(90. - b)
    phi = np.radians(l)

    # convert to HEALPix indices
    indices = hp.ang2pix(nside, theta, phi)

    idx, counts = np.unique(indices, return_counts=True)

    # fill the fullsky map
    hpx_map = np.zeros(npix, dtype=int)
    hpx_map[idx] = counts

    return hpx_map

然后，您可以使用它来填充HEALPix映射:

l = np.random.uniform(-180, 180, 20000)
b = np.random.uniform(-90, 90, 20000)

hpx_map = hpx.cat2hpx(l, b, nside=32, radec=False)

在这里， nside确定像素网格的精细程度。

hp.mollview(np.log10(hpx_map+1))

还要注意，通过在银河纬度上均匀采样，您将更喜欢在银河极点的数据点。如果要避免这种情况，可以使用余弦将其缩小。

hp.orthview(np.log10(hpx_map+1), rot=[0, 90])
hp.graticule(color='white')