Healpy：从数据到Healpix地图

Question

我有一个数据网格，其中行代表theta（0，pi），列代表phi（0,2 * pi），其中f（theta，phi）是该位置的暗物质密度。我想为此计算功率谱，并决定使用healpy。

我无法理解的是如何格式化我的数据以便使用healpy。如果有人可以提供代码（出于显而易见的原因在python中）或指向我的教程，那就太棒了！我已尝试使用以下代码执行此操作：

#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执行功率谱时。具体来说，：

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

我收到此错误：

TypeError：错误的像素数

如果有人能指点我一个好的教程或帮助编辑我的代码那将是伟大的。

更多规格： 我的数据是2d np数组，如果需要，我可以更改numRows / numCols。

编辑：

我已经通过首先将anafast的args更改为healpix_map解决了这个问题。 我还通过使我的Nrows * Ncols = 12 * nside * nside来改善间距。 但是，我的功率谱仍然存在错误。如果有人有关于如何计算功率谱的良好文档/教程的链接（theta / phi args的条件），那将是非常有帮助的。

Answer 1

你去，希望这是你正在寻找的。随意评论问题：）

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)

由于上图仅包含噪声，因此功率谱应仅包含散粒噪声，即平坦。

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

Answer 2

在this answer之后，有一种使用numpy.add.at进行地图初始化的更快方法。

与Daniel's excellent answer的第一部分相比，这在我的计算机上要快几倍：

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)