PYTHON
------
- interpretovany programovaci jazyk
- vznik koncem 80tych let
- snaha o jednoduchost a citelnost kodu
- soubory s priponou *.py

Potrebne baliky (moduly)
------------------------
1) samotny Python, pro nase potreby ve verzi 3.4
- http://python.org

2) NumPy (Numerical Python)
- shttp://www.numpy.org/
- pokrocilejsi matematicke vyuziti nez v zakladnim python
- je vyzadovana pro fungovani dalsich baliku (napr. SciPy)

3) SciPy (Scientific Python)
- http://www.scipy.org/
- modul pro nejruznejsi vedecke vypocty

4) Matplotlib
- http://matplotlib.org
- modul pro tvorbu grafu
- lze vytvorit temer jakykoliv graf kdyz se clovek trochu snazi

5) Pyfits
- http://www.stsci.edu/institute/software_hardware/pyfits
- modul pro praci s astronomickymi snimky ve formatu FITS v Pythonu

6) IPython
- http://ipython.org
- interaktivni python shell
- je jepsi nez zakladni python shell ale v podstate si vystacime prozatim i se zakladnim

Instalace linux
---------------
sudo apt-get update
sudo apt-get install python-numpy python-scipy python-matplotlib python-pyfist ipython

Instalace Win
-------------
Python -> https://www.python.org/downloads/
- stahovat verzi 3.4.0 (kvuli kompatibilite baliku) ---> NE 64bit verzi!!!

Numpy -> http://sourceforge.net/projects/numpy/files/NumPy/
- superpack 1.10.1
- nebo z win terminalu (winkey + r --> cmd --> enter) spustenim C:\Python34\Scripts\pip.exe install numpy

Scipy -> http://sourceforge.net/projects/scipy/files/scipy/0.16.0/
- scipy superpack pro verzi 3.4 (aktualne ten prvni)
- nebo z win terminalu spustenim C:\Python34\Scripts\pip.exe install scipy

Matplotlib
- spustenim C:\Python34\Scripts\pip.exe install matplotlib

Pyfits
- http://www.stsci.edu/institute/software_hardware/pyfits/Download
- spustenim C:\Python34\Scripts\pip.exe install pyfits
- pyfits je soucasti i novejsiho baliku astropy ale pro nase potreby lepe samostatny (alespon prozatim)

IPython
- spustenim C:\Python34\Scripts\pip.exe install ipython

Spusteni Linux
--------------
- z terminalu (napr. Ctrl+Alt+T) prikazem python (pripadne ipython)

Spusteni z Win
--------------
- z nabidky start bud Python IDLE (Integrated DeveLopment Environment) nebo Python Shell

--> dale je chovani pod Linuxem i Win v prostredi pythonu temer stejne

Import modulu
-------------
- abychom mohli nektery z potrebnych modulu pouzivat je nutne ho nejdrive "nainportovat" jinak o nich python "nevi"
- napr. import modulu numpy provedeme prikazem

import numpy

nebo

import numpy as np

- cast 'as np' neni povinna ale pozdeji nam urychli psani

Ukazka 1 (ovetreni, zakladni operace, ulozeni)
----------------------------------------------
import numpy as np #import numpy 
import pyfits as pf #import pyfits

img = pf.open("W_UMa_2015-03-18_04-15-01_B_1494.fits.gz") #lze otevirat i *.gz

img.info() # zobrazi info o nactenem souboru/snimku

img[0].header # vypise obsah hlavicky (vsechny)

img[0].header["OBSERVER"] # vypise jen vybrany

img[0].header.keys() # vypise seznam nazvu atributu v hlavice

img[0].header["comment"] = "blablabla" # do hlavicky lze pridavat

## nacteni dat ##

data = img[0].data # nacte data do promenne data (numpy array)

data.shape
print data
print data[123]
print data[123][456]
print data[5:10,5:10]

--> lze provadet ruzne vypocty s pouzitim numpy, scipy atd.

img[0].data = data[5:10,5:10] # znema v datech

img.info() # je videt zmena velikosti dat

img.writeto('img_new.fits') # zapis do noveho souboru (puvodni zustal nezmenen)

Ukazka 2 (zobrazeni dat)
------------------------
import numpy as np #import numpy 
import pyfits as pf #import pyfits
import matplotlib.pyplot as plt # import matplotlib

plt.ion() # zapnuti interaktivniho modu plotu, jinak je treba pokazde plot zavirat

data = pf.getdata("W_UMa_2015-03-18_04-15-01_B_1494.fits.gz") # rychlejsi zapis k pristupu k datum

## obrazek je treba spravne naskalovat jinak uvidime ze nic nevidime
- linearni skalovani

data = (data - b) / 100 

- b ziskame z histogramu jako polohu maxima

plt.hist(data[0:100,0:100])

--> pro tento pripad b = 750 (zhruba)

--> data = (data - 750) / 100

print data
--> vidime ze nektere hodnoty jsou zaporne pripadne jsou > 1.0
--> je treba se omezit na zobrazitelny rozsah <0.0, 1.0>

data = np.clip(data, 0.0, 1.0) # orezani data do zadaneho intervalu

print data
--> je videt ze hodnoty uz jsou v rozsahu

plt.clf() # vycisti plot od predchoziho

plt.imshow(data) # zobrazeni obrazku
--> dale je mozne nastavovat jine colormapy (barevna provedeni)

plt.imshow(data, cmap="gray")
plt.imshow(data, cmap="hot")
--> dalsi na http://matplotlib.org/examples/color/colormaps_reference.html

plt.colorbar() # je mozne pridat colorbar

plt.savefig("image.png") # ulozeni do png