We are searching data for your request:
Upon completion, a link will appear to access the found materials.
Recién estoy comenzando con un análisis muy primitivo de datos FITS, y tengo un archivo FITS 'sin procesar' del cual no sé cómo obtener diferentes bandas de ondas de datos (si es que esto es posible).
Nombre de archivo: casa_raw.fits No. Nombre Tipo Tarjetas Dimensiones Formato 0 PRIMARY PrimaryHDU 33 () 1 EVENTS BinTableHDU 793 14621280R x 19C [1D, 1I, 1I, 1J, 1I, 1I, 1I, 1I, 1E, 1E, 1E, 1E, 1J, 1J, 1E, 1J, 1I, 1I, 32X] 2 GTI BinTableHDU 28 2R x 2C [1D, 1D]
¿Alguien podría explicar qué transmite exactamente esta información?
Esto muestra que el archivo contiene 3 unidades de datos de encabezado (HDU; puede leer más sobre esto aquí). Los encabezados contienen metadatos. La HDU primaria (0) tiene algunas 'tarjetas' (básicamente pares de palabras clave / valor la mayor parte del tiempo, o comentarios) pero no datos. La siguiente HDU (1, llamada 'EVENTOS' en su archivo) es una tabla binaria que contiene 19 columnas. Finalmente, la última HDU (2, también llamada GTI) contiene otra tabla con 2 columnas. Puede acceder a los datos en una de las columnas de la tabla EVENTOS usando, por ejemplo:
de astropy.io la importación se ajusta a hdulist = cabe.open ('myfile.fits') hdulist ['EVENTOS']. data ['colname']dóndecolnamees el nombre de una de las columnas. Puede averiguar los nombres de las columnas mirando:
hdulist ['EVENTOS']. data.namesPor encima del mundo tan arriba
La sección de observación proporciona a los científicos recursos, incluido el acceso al área de inicio de sesión del observador y al horario del telescopio.
El Observatorio W. M. Keck se toma muy en serio su responsabilidad por la buena administración de Maunakea. Por eso estamos profundamente comprometidos con la transparencia total.
Nuestra misión es hacer avanzar las fronteras de la astronomía, inspirando la imaginación de todos. Aprende cómo puedes involucrarte.
Parámetros de holografía OOF¶
La holografía OOF hace uso de varias constantes, distribuciones y funciones, y algunas de ellas están relacionadas entre sí. Tenga en cuenta sus símbolos matemáticos y lo que representan.
Distribución de apertura: ( subrayado(x, y) ) (apertura) ¶
Colección de subfunciones y distribuciones. Es el punto de conexión entre los datos de observación y el modelo teórico. Ver ec. (1). Se define como,
Distribución de la fase de apertura (error de fase): ( varphi (x, y) ) (fase) ¶
La distribución de la fase de apertura representa las aberraciones de un sistema óptico, medidas en radianes. También está relacionada con la distribución del frente de onda (aberración) (consulte la ecuación (2)), (W (x, y) ), que es la función clásica utilizada en óptica para definir aberraciones.
Distribución de bloqueo: (B (x, y) ) (block_manual) ¶
Es el truncamiento o bloqueo que la estructura del telescopio (o un efecto de sombra) hace al plano de apertura. Por lo general, se representa mejor como una función escalonada de Heaviside modificada en dos dimensiones. Dado que depende de la geometría, dependerá del telescopio. El paquete pyoof incluye la opción de introducir una nueva distribución de bloqueo.
(Campo) patrón de radiación: (F (u, v) ) (radiación_patrón) ¶
El patrón de radiación (de campo) (o patrón de recepción de voltaje) es una distribución compleja, es la Transformada de Fourier directa (en dos dimensiones) de la distribución de apertura, (F (u, v) = mathcal La función de iluminación es una característica de un receptor y se utiliza para reducir el nivel de los lóbulos laterales del haz. Se puede modelar con diferentes tipos de funciones, como una gaussiana o un coseno. El predeterminado utilizado por el paquete pyoof es el cono parabólico en un parabólico (orden (1 leq q leq 2 )), el paquete pyoof incluye la opción de introducir una nueva función de iluminación. De estos coeficientes, el más relevante de ellos es el cono de iluminación. Da una medida de la intensidad de la señal desde el centro del plano de apertura con respecto a sus bordes. Para una observación de holografía OOF, se requiere realizar dos de los escaneos continuos desenfocados y uno enfocado. Todos ellos deben ser observados con el mismo receptor en un determinado ( lambda ). La longitud de onda establece la precisión de las correcciones a realizar en la superficie del teslecopio. La función OPD es la ruta adicional que la luz tiene que recorrer cada vez que se agrega un desplazamiento radial, (d_z ), (conocido a priori) al subreflector (para hacer observaciones de holografía OOF). La función OPD depende estrictamente de la geometría del telescopio. El patrón de potencia o mapa de haces se modela y se observa la cantidad. Para una observación de holografía OOF, se requiere realizar dos de los escaneos continuos desenfocados y uno enfocado (mapeo sobre la marcha). Esto producirá dos mapas de haz con un patrón de interferencia claro y uno con el tamaño de haz enfocado común. Antes de la minimización de mínimos cuadrados, los patrones de potencia observados y modelados se normalizan como, donde (P (u, v) ) es el patrón de potencia observado o modelado. Este preprocesamiento facilita el ajuste polinomial. El desplazamiento radial es el término desenfocado agregado al subreflector. Suele ser del orden de centímetros (utilizando un receptor mm). Un valor pequeño de (d_z ) puede no agregar suficiente cambio al haz fuera de foco con respecto al haz enfocado, aumentando la degeneración en la minimización de mínimos cuadrados. Por el contrario, un valor grande de (d_z ) disminuirá la relación señal-ruido en la fuente, haciendo que los coeficientes del polinomio del círculo de Zernike tengan una alta incertidumbre en el ajuste del polinomio. Para cada geometría de avance y telescopio, este valor cambiará. En el telescopio Effelsberg (d_z = pm 2.2 ) cm mientras se usa una alimentación de (9 ) - y (7 ) -mm La distribución del frente de onda (aberración) es el enfoque clásico utilizado para representar un frente de onda aberrado. De la física óptica se sabe que (W (x, y) ) se puede expresar como una suma de un conjunto conveniente de polinomios ortonormales. Los polinomios del círculo de Zernike, (U ^ ell_n ( varrho, vartheta) ), cumplen las condiciones matemáticas requeridas, vea la Ec. (2). Frits Zernike introdujo los polinomios circulares de Zernike para probar su método de contraste de fase en figuras de espejos circulares. Ben Nijboer utilizó los polinomios para estudiar los efectos de pequeñas aberraciones en imágenes difractadas con un origen rotacionalmente simétrico en pupilas circulares. Los polinomios se pueden separar en términos de sus componentes radiales y angulares y sus índices respectivos son: orden (n ) y su dependencia angular ( ell ). La parte radial de los polinomios, está dada por, Con (m = | ell | ). Los polinomios del círculo de Zernike completos son: Para obtener más información sobre los polinomios del círculo de Zernike y el paquete pyoof, consulte los ejemplos de zernike.ipynb del cuaderno de Jupyter del repositorio. No existe una forma estándar de ordenar los polinomios del círculo de Zernike, tenga en cuenta que al crear su propia secuencia, los coeficientes de los polinomios de Zernike cambiarán. Los coeficientes polinomiales del círculo de Zernike, K_coeff, son los parámetros finales que se encontrarán mediante la minimización de mínimos cuadrados (así como I_coeff). Al encontrarlos, es posible reconstruir la distribución de la fase de apertura, ( varphi (x, y) ), ver Eq. (2). Dependiendo del orden de los polinomios, (n ), habrá un número diferente de polinomios. En general, se recopilan de la siguiente manera, Clase y funciones para definir una tubería de astronomía clase astromatic_wrapper.utils.pipeline. Pipeline ( caminos = <>, pipeline_name = Ninguno, next_id = 0, create_paths = Falso, ** kwargs ) [fuente] [editar en github] ¶ caminos: dict (opcional) Rutas utilizadas para archivos generados por la canalización. Cada clave se agregará a la clase Pipeline como el nombre de una ruta, y su valor correspondiente es la ruta que se utilizará. Si create_paths == True, la ruta se creará automáticamente en el disco si no existe; de lo contrario, se le preguntará al usuario si debe crear o no la ruta. Como mínimo, se recomienda definir un temp_path, que se utiliza para almacenar archivos temporales generados por la canalización y un log_path, que se utiliza para guardar los archivos de registro creados por la canalización y la propia canalización después de cada paso. pipeline_name: str (opcional) Nombre de la canalización (se usa al guardar la canalización). El valor predeterminado es Ninguno, lo que da como resultado que se utilice la fecha actual para el nombre de la canalización en el formato & # 8216year-month-day_hours-minutes-seconds & # 8217. pasos: lista de `astromatic.utils.pipeline.PipelineStep` (opcional) Si el usuario ya tiene una lista de pasos para ejecutar, se pueden configurar cuando se inicializa la canalización next_id: int (opcional) Número siguiente que se utilizará para un ID de paso de canalización. El valor predeterminado es 0. create_paths: bool (opcional) Si create_paths == True, se crea cualquier ruta en rutas que no exista. De lo contrario, se le preguntará al usuario si no existe una ruta. El valor predeterminado es preguntar al usuario (create_paths == False). kwargs: dict Argumentos de palabras clave adicionales que podrían usarse en una canalización personalizada. Agregar un nuevo PipelineStep a la tubería func: función Una función que se ejecutará en la canalización. Todas las funciones deben devolver un diccionario con (como mínimo) una clave de estado cuyo valor sea éxito o error. También es común devolver una clave de advertencias cuyo valor es una tabla de astropía que contiene una lista de advertencias que pueden haber ocurrido durante el paso. El diccionario de resultados completo devuelto por la función se guarda en el archivo de registro de canalización & # 8217s. etiquetas: lista (opcional) Una lista de etiquetas utilizadas para identificar el paso. Al ejecutar la canalización, el usuario puede especificar un conjunto de condiciones que filtrarán qué pasos se ejecutan (o no) en función de un conjunto de etiquetas especificadas. ignore_errors: bool (opcional) Si ignore_errors == False, la canalización generará una excepción si se produce un error durante este paso en la canalización (lo que significa que devolvió un resultado con el resultado ['estado'] == 'error'). El valor predeterminado es falso . ignore_exceptions: bool (opcional) Si ignore_exceptions == True, la canalización establecerá el resultado ['status'] == 'error' para el paso que generó una excepción y continuará ejecutándose. El valor predeterminado es ignore_exceptions == False, que detendrá la canalización y generará una excepción. kwargs: dict Argumentos de palabras clave pasados a la función cuando se ejecuta la canalización Obtenga una clave específica de los resultados de cada paso en una canalización que ya se ha ejecutado. Esta función espera que el resultado de la clave dada sea una tabla de astropía que se puede apilar con los resultados de los pasos anteriores. Nombre de la clave en el diccionario de resultados para cada paso a extraer. Por ejemplo, key = 'warnings' devolverá una tabla con las advertencias generadas por cada paso de la canalización. meta_fields: list (opcional) Lista de campos de metadatos para incluir en cada registro. Por ejemplo, las tablas de advertencia astromatic_wrapper tienen un campo de metadatos & # 8216filename & # 8217, que da el nombre del archivo XML generado por el código AstrOmatic. Una tabla con los resultados de Ejecute la canalización dada una lista de PipelineSteps run_tags: list (opcional) Ejecute todos los pasos que tengan una etiqueta en run_tags y no en ignore_tags. Si len (run_tags) == 0, se ejecutan todos los pasos que no se enumeran en las etiquetas ignorar. ignore_tags: list (opcional) Ignore todos los pasos que contienen una de las etiquetas en ignore_tags. run_steps: lista de `PipelineStep` (opcional) En lugar de ejecutar los pasos asociados con una canalización, el usuario puede especificar un conjunto de pasos para ejecutar. Esto puede ser útil si (por ejemplo) se utilizan varios criterios para seleccionar los pasos a ejecutar y el usuario desea realizar estos cortes en alguna otra función para generar los pasos necesarios para ejecutar. run_name: str (opcional) Nombre de la ejecución actual. Cuando se ejecuta una canalización, si se ha especificado una ruta de registro, se guarda una copia de la ruta de acceso con un registro de todas las advertencias y pasos ejecutados en el directorio de ruta de registro. Se puede especificar un run_name para distinguir entre diferentes ejecuciones de la misma canalización con la misma ruta de registro. resume: bool (opcional) Si resume == True y start_idx es None, la canalización continuará donde se quedó. Si resume == False y start_idx es None, la canalización comenzará en el primer paso (Pipeline.run_step_idx = 0). El valor predeterminado es resume = False. ignore_errors: bool (opcional) Si ignore_errors == False, la canalización generará una excepción si ocurrió un error durante cualquier paso de la canalización que devolvió un resultado con el resultado ['estado'] == 'error'. El valor predeterminado es Ninguno, que utilizará el parámetro ignore_errors para cada paso individual para decidir si lanzar o no una excepción. ignore_exceptions: bool (opcional) Si ignore_exceptions == True, la canalización establecerá el resultado ['status'] == 'error' para el paso que generó una excepción y continuará ejecutándose. El valor predeterminado es Ninguno, que utilizará el parámetro ignore_exception para cada paso individual para decidir si lanzar o no una excepción. start_idx: int (opcional) Índice de Pipeline.run_steps para comenzar a ejecutar la canalización. Todos los pasos de Pipeline.run_steps después de start_idx se ejecutarán en orden. El valor predeterminado es Ninguno, que no cambiará el Pipeline.run_step_idx actual. Errores generados al ejecutar Pipeline args ¶ mensaje ¶ clase astromatic_wrapper.utils.pipeline. PipelineStep ( func, step_id, etiquetas = [], ignore_errors = Falso, ignore_exceptions = Falso, func_kwargs = <> ) [fuente] [editar en github] ¶ Un solo paso en la tubería. Esto toma una función y un conjunto de etiquetas y kwargs asociados con ella y los almacena en la canalización. Inicializar un objeto PipelineStep func: función La función que se ejecutará. Todas las funciones deben devolver un diccionario con como mínimo una clave de estado cuyo valor sea éxito o error. Identificador único del paso etiquetas: lista (opcional) Una lista de etiquetas utilizadas para identificar el paso. Al ejecutar la canalización, el usuario puede especificar un conjunto de condiciones que filtrarán qué pasos se ejecutan (o no) en función de un conjunto de etiquetas especificadas. ignore_errors: bool (opcional) Si ignore_errors == False, la canalización generará una excepción si se produjo un error durante este paso en la canalización, que devolvió un resultado con el resultado ['estado'] == 'error'. El valor predeterminado es falso . ignore_exceptions: bool (opcional) Si ignore_exceptions == True, la canalización establecerá el resultado ['status'] == 'error' para el paso que generó una excepción y continuará ejecutándose. El valor predeterminado es ignore_exceptions == False, que detendrá la canalización y generará una excepción. func_kwargs: dict Argumentos de palabras clave pasados a la función cuando se ejecuta la canalización Compruebe si existe una ruta y, si no existe, déle al usuario la opción de crearla. Nombre de la ruta a verificar auto_create: bool (opcional) Si la ruta no existe y auto_create == True, la ruta se creará automáticamente; de lo contrario, se le pedirá al usuario que cree la ruta. Busque rutas en el servidor. Si no existe una ruta, cree los directorios necesarios. Por ejemplo, si rutas = [' / Documents / images / 2014-6-5_data / '] y solo la ruta ‘ / Documentos / images / 2014-6-5_data / & # 8217 rutas: str o lista de cadenas Si rutas es una cadena, esta es la ruta para buscar y crear. Si rutas es una lista, cada una es una ruta para buscar y crear Solicite al usuario una expresión booleana y repita hasta que se haya ingresado un booleano válido. El texto que se le pedirá al usuario. Función independiente de mayúsculas y minúsculas para convertir una representación de cadena de un booleano ('verdadero' / 'falso', 'sí' / 'no') en un bool. Esto no distingue entre mayúsculas y minúsculas y también acepta parte de una cadena booleana ('t' / 'f', 'y' / 'n'). segundos). En estos casos también se aceptan minutos flotantes. La repr para los marcos de coordenadas ahora muestra los atributos del marco (por ejemplo, ra, dec) en un orden coherente. Cabe señalar que, como parte de esta solución, el BaseCoordinateFrame.get_frame_attr_names () el método ahora devuelve un OrderedDict en lugar de solo un dictar . [#2845] Se puede crear un nuevo archivo MEF a partir de un archivo existente, tal vez modificado, o se puede crear desde cero. Discutimos ambos casos aquí. Para crear una nueva copia de un archivo MEF, modificado o no, el usuario ya ha recibido la mayoría de las herramientas en las secciones anteriores. Sin embargo, arrojemos un par de ejemplos para completar. Como se vio anteriormente, un archivo MEF se puede abrir con astrodata, el objeto AstroData se puede modificar (o no) y luego volver a escribir en el disco con un nuevo nombre. A veces se necesita una copia real en la memoria. Esto no es específico de MEF. En Python, hacer algo como adnew = ad no crea una nueva copia del objeto AstrodData, solo le da un nuevo nombre. Si modifica un anuncio nuevo, también lo modificará. Apuntan al mismo bloque de memoria. Para crear una copia verdaderamente independiente, es necesario utilizar la utilidad deepcopy. Tenga cuidado con el uso de deepcopy, su memoria podría dispararse muy rápido. Úselo solo cuando sea realmente necesario. Antes de crear un nuevo archivo MEF en el disco, uno tiene que crear el objeto AstroData que eventualmente se escribirá en el disco. El objeto AstroData creado también necesita saber que deberá escribirse usando el formato MEF. Afortunadamente, esto se maneja de manera bastante transparente mediante astrodatos. La clave para asociar el proveedor de datos FITS al objeto AstroData es simplemente crear el objeto AstroData a partir de objetos de encabezado astropy.io.fits. Aquellos serán reconocidos por astrodata como FITS y se utilizará el constructor de FITS. El usuario no necesita hacer nada más especial. Así es como se hace. Entonces es solo cuestión de llamar ad.write ('somename.fits') en ese nuevo objeto Astrodata. Primero se necesita crear una tabla, ya sea astropy.table.Table o BinTableHDU. Consulte la documentación de astropía sobre tablas y la sección de este manual dedicada a las tablas para obtener más información. En el primer ejemplo, asumimos que my_astropy_table es una tabla lista para adjuntarse a un objeto AstroData. (Advertencia: no hemos creado my_astropy_table, por lo tanto, el ejemplo siguiente no se ejecutará, aunque así es como se haría). En el segundo ejemplo, comenzamos con un FITS BinTableHDU y lo adjuntamos a un nuevo objeto AstroData. (Nuevamente, no hemos creado my_fits_table, por lo que el ejemplo no se ejecutará). Como antes, una vez que se construye el objeto AstroData, se puede usar el método ad.write () para escribirlo en el disco como un archivo MEF. & copy Copyright 2020, Asociación de Universidades para la Investigación en Astronomía Revisión f4061ec0. En este tutorial, aprenderá a calcular las tasas de conteo para observaciones de la misma fuente y paso de banda, pero con diferentes aperturas. Tenga en cuenta que esta función solo está disponible para los modos de observación que permiten la especificación del radio de energía rodeada (EE) (consulte el Apéndice B: Palabras clave OBSMODE). Cree dos observaciones de Vega (renormalizadas a 20 stmag en Johnson V) con paso de banda HST / ACS WFC1 F555W, con radios EE de 0,3 y 1,0 segundos de arco, respectivamente: Calcule las tasas de recuento de ambos y muestre los resultados: Comencemos por abrir hgps_catalog_v1.fits.gz y mirar el contenido. Tenga en cuenta que astropy.io.fits.open aún no funciona con los objetos Path, por lo que debe llamar a str (path) y pasar una cadena. Hay seis mesas. Cada tabla y columna se describe en detalle en el documento de HGPS. Podríamos trabajar con los objetos astropy.io.fits.HDUList y astropy.io.fits.BinTable. Sin embargo, en Astropy se ha desarrollado una clase más agradable para trabajar con tablas: astropy.table.Table. Solo usaremos Table, así que convierta los datos tabulares FITS en un objeto Table: El catálogo de HGPS solo se publica en formato FITS. No proporcionamos varios formatos (DS9, CSV, XML, VOTABLE, ...) porque todos necesitan algo un poco diferente (en términos de formato o contenido). En cambio, aquí mostramos cómo puede convertir a cualquier formato / contenido que desee con unas pocas líneas de Python. En la página web de Fermi-LAT 3FGL, vemos que también proporcionan archivos de región DS9 que se ven así: porque mucha gente usa DS9 para ver imágenes astronómicas y para sobretrazar los datos del catálogo. Convirtamos el catálogo de HGPS a este formato. (para evitar una salida de texto muy larga, usamos la tabla [: 3] para usar solo las primeras tres filas) Tenga en cuenta que hay un paquete adicional astropy-region que tiene clases para representar objetos de región y es compatible con el formato DS9. Podríamos haberlo usado para generar las cadenas de la región DS9, o podríamos usarlo para leer el archivo de la región DS9 a través de: No mostraremos ejemplos de cómo trabajar con regiones o cómo hacer análisis basados en regiones aquí, pero si desea hacer algo como, por ejemplo, medir el flujo total en una región determinada en los mapas HGPS, el paquete de regiones sería útil. Hagamos un ejemplo más, convirtiendo parte de la información de la tabla de catálogo de HGPS a CSV, es decir, formato separado por comas. Este es un formato que puede ser leído por cualquier herramienta para datos tabulares, p. Ej. Si está utilizando Excel o ROOT para su análisis de datos de rayos gamma, ¡esta sección es para usted! Por lo general, puede usar el escritor CSV en Astropy de esta manera: Sin embargo, esto no funciona aquí por dos razones: Volvamos a nuestro objetivo real de convertir parte de los datos de la tabla del catálogo HGPS al formato CSV. El siguiente código hace una copia de la tabla que contiene solo las columnas escalares, luego elimina la metainformación (la mayoría de las variantes / lectores de CSV no admiten metadatos de todos modos) y escribe un archivo CSV. El escritor y lector Astropy ASCII admite muchas variantes. Hagamos un ejemplo más, usando el formato ascii.fixed_width, que es un poco más fácil de leer para los humanos. Solo seleccionaremos algunas columnas y filas para imprimir aquí. Ahora sabe cómo trabajar con el catálogo de HGPS con Python y Astropy. Para las otras tablas (por ejemplo, HGPS_GAUSS_COMPONENTS) es lo mismo: debe leer la descripción en el documento de HGPS, luego acceder a la información que necesita o convertirla al formato que desee como se muestra para HGPS_SOURCES aquí). Sigamos adelante y echemos un vistazo a los mapas de HGPS. Por favor revise el Notas sección anterior antes de ejecutar cualquier ejemplo en este cuaderno Imreplace se usa para reemplazar secciones de matriz con una constante. Podemos usar una simple manipulación de matrices numpy para replicar imreplace. Para obtener detalles sobre cómo hacer crecer la matriz booleana para reemplazarla, consulte crgrow o la documentación de skimage.dilation.Función de iluminación: (E_ text (x, y) ) (illum_parabolic o illum_gauss) ¶
Coeficientes de iluminación (I_coeff) ¶
Longitud de onda de observación: ( lambda ) (wavel) ¶
Función de diferencia de ruta óptica (OPD): ( delta (x, yd_z) ) (opd_manual) ¶
Patrón de potencia (mapa de haces): (P (u, v) ) (patrón_de_potencia) ¶
Desplazamiento radial: (d_z ) (d_z) ¶
Distribución del frente de onda (aberración): (W (x, y) ) (frente de onda) ¶
Polinomio del círculo de Zernike: (U ^ ell_n ( varrho, vartheta) ) (R y U) ¶
Coeficiente del polinomio del círculo de Zernike: (K_) (K_coeff) ¶
Astromatic_wrapper.pipeline¶
0.4.2 (2014-09-23)¶
Corrección de errores¶
Ángulo acepta inicializadores de horas: minutos o grados: minutos (sin
Otros cambios y adiciones¶
3.5. Crear nuevos archivos MEF¶
3.5.1. Crear nueva copia de archivos MEF¶
3.5.1.1. Ejemplo básico¶
3.5.1.2. Necesitando copias verdaderas en la memoria¶
3.5.2. Crear nuevos archivos MEF desde cero¶
3.5.2.1. Cree un MEF con encabezado básico y matriz de datos establecidos en ceros¶
3.5.2.2. Representar una tabla como una tabla binaria FITS en un objeto AstroData¶
Tutorial 7: Tasas de recuento para múltiples aperturas¶
Catálogo con Astropy¶
Se ajusta al contenido del archivo¶
Acceder a los datos de la tabla¶
Nombre de la fuente Analysis_Reference Source_Class Objeto_identificado Gamma_Cat_Source_ID str16 str6 str10 str20 str7 HESS J0835-455 HGPS PWN Vela X 37 HESS J0835-455 HESS J0852-463 HESS J1018-589 A HESS J1018-589 B HESS J1023-575 Convertir formatos¶
Formato de región DS9¶
Formato CSV¶
Imreplace¶
Ruta local Estado Mensaje URL str47 str5 str87 str93 ./mastDownload/HST/ICZGS3YGQ/iczgs3ygq_flt.fits ERROR El archivo descargado es 16531200, pero debería ser 16534080, el archivo puede ser parcial o estar dañado. https://mast.stsci.edu/api/v0/download/file?uri=mast:HST/product/iczgs3ygq/iczgs3ygq_flt.fits
0.2.1 (2013-04-03)¶
Corrección de errores¶
Otros cambios y adiciones¶
