-
Notifications
You must be signed in to change notification settings - Fork 0
/
production_spektrum.py
201 lines (162 loc) · 6.16 KB
/
production_spektrum.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
import pickle
import os
import numpy as np
from matplotlib import use
use('Agg')
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
from matplotlib.colors import LogNorm
from uncertainties import ufloat
bins_def = 3 * np.logspace(-3, 2, 51)
bins_def[50] = 350
def File_array(PT, BT):
Files_temp = os.popen('find preprocess_pickle -name "*' + PT + '*' + BT + '*.pickle"').read().split('\n')
Files = []
for i in Files_temp:
if PT in i:
Files.append(i)
return Files
def Plot_E(Files, Name, alle):
Energie_array = []
for filename in Files:
try:
if alle:
E_info = pickle.load(open(filename, "rb"))["E_events"]
for l in E_info:
Energie_array.append(l)
else:
E_info = pickle.load(open(filename, "rb"))["E_cut"]
for l in E_info:
Energie_array.append(l)
except:
pass
print(Name + "\t" + str(len(Energie_array)))
Energie_array = np.array(Energie_array)
plt.xscale('log')
plt.yscale('log')
n, bins, patches = plt.hist(Energie_array, bins=bins_def, facecolor='green')
plt.xlabel('E/TeV')
plt.ylabel('Anzahl')
plt.title(r'Energie Verteiltung')
plt.tight_layout()
plt.savefig('Bilder/' + Name + '.pdf')
plt.clf()
return n, Energie_array
def Verteiltung_over_production(E_produktion, Energie_array, bins_def, Name):
print(Name + "\t" + str(len(Energie_array)))
plt.xscale('log')
plt.yscale('log')
n, bins, patches = plt.hist(E_produktion, bins=bins_def, facecolor='green')
n, bins, patches = plt.hist(Energie_array, bins=bins_def, facecolor='blue')
plt.xlabel('E/TeV')
plt.ylabel('Anzahl')
plt.title(r'Energie Verteiltung')
plt.tight_layout()
plt.savefig('Bilder/' + Name + '.pdf')
plt.clf()
def return_num_etall(Files):
num_shower = 0
for filename in Files:
pickel_file = pickle.load(open(filename, "rb"))["mc_header"]
num_shower += pickel_file["mc_num_showers"]*pickel_file["mc_num_use"]
return num_shower
def Plot_cog(Files, Name):
cor_x = []
cor_y = []
for filename in Files:
Ergebnisse = pickle.load(open(filename, "rb"))["info"]
for l in range(len(Ergebnisse)):
cor_x.append(Ergebnisse[l]["mc_core_x"][0])
cor_y.append(Ergebnisse[l]["mc_core_y"][0])
plt.hist2d(np.array(cor_x), np.array(cor_y), bins=40, norm=LogNorm())
plt.colorbar()
plt.xlabel("COR_x")
plt.ylabel("COR_Y")
plt.tight_layout()
# plt.legend(loc='best')
plt.savefig('Bilder/' + Name + '.pdf')
plt.clf()
def create_spektrum(n_cut, n_produkt, Name, E_mittel):
Ergebnis = []
for i in range(len(n_produkt)):
if n_cut[i] == 0 or n_produkt[i] == 0:
Ergebnis.append(0)
continue
Ergebnis.append(n_cut[i] / n_produkt[i])
plt.plot(E_mittel, Ergebnis, ".")
plt.xscale('log')
plt.xlabel('E/TeV')
plt.ylabel('Effektiv')
plt.title(r'Energie Verteiltung')
plt.tight_layout()
plt.savefig('Bilder/' + Name + '.pdf')
plt.clf()
def cal_flaeche(Files):
for filename in Files:
return 2 * np.pi * pickle.load(open(filename, "rb"))["mc_header"]["mc_core_range_Y"]**2
################################################################################
# Calculate E and COG spektrum #
################################################################################
Files = File_array("o", "o")
n_all, Energie_array = Plot_E(Files, "Verteilung_E", True)
Plot_cog(Files, "Verteilung_COR")
################################################################################
# Calculate E and COG spektrum #
################################################################################
Files = File_array("7", "2")
n_cut, Energie_array = Plot_E(Files, "Verteilung_E_cut", False)
Plot_cog(Files, "Verteilung_COR_cut")
num_shower = return_num_etall(Files)
################################################################################
# Produktions spektrum #
################################################################################
N = []
for i in range(len(bins_def) - 1):
N.append(-(1 / bins_def[i] - 1 / bins_def[i + 1]))
multiplicator = num_shower * 10 / sum(N)
N = np.array(N) * multiplicator
E_produktion = []
E_mittel = []
for i in range(len(N)):
Energie_rein = (bins_def[i] + bins_def[i + 1]) / 2
E_mittel.append(Energie_rein)
for j in range(int(N[i])):
E_produktion.append(Energie_rein)
n_produkt, bins, patches = plt.hist(E_produktion, bins=bins_def, facecolor='green')
plt.xscale('log')
plt.yscale('log')
plt.xlabel('E/TeV')
plt.ylabel('Anzahl')
plt.title(r'Energie Verteiltung')
plt.tight_layout()
plt.savefig('Bilder/Produktionsspektrum_E.pdf')
plt.clf()
Verteiltung_over_production(E_produktion, Energie_array, bins_def, "Verteiltung_Production")
create_spektrum(n_cut, n_produkt, "Produktionsspektrum",E_mittel)
create_spektrum(n_cut, n_all, "Produktionsspektrum_all",E_mittel)
create_spektrum(n_all, n_produkt, "Produktionsspektrum_all_prod",E_mittel)
# Calculate eff. Area
Files = File_array("7", "2")
Flaeche = cal_flaeche(Files)
Anzahl_gesamt = 0
Anzahl_clean = 0
for filename in Files:
Ergebnisse = pickle.load(open(filename, "rb"))
Anzahl_gesamt += Ergebnisse["mc_header"]["mc_num_showers"]
Anzahl_clean += len(Ergebnisse["E_cut"])
print("gesmante_anzahl_an_Schauern:\t\t" + str(Anzahl_gesamt))
print("gesmante_anzahl_an_Schauern_mit_num_use:\t" + str(num_shower))
print("gesmante_anzahl_an_Schauern_produziert:\t" + str(len(E_produktion)))
print("gesmante_anzahl_an_Schauern_nach_Cleaning:\t" + str(Anzahl_clean))
print("Rate_gesichtet:\t" + str(Anzahl_clean / Anzahl_gesamt))
print("Gesamte_Fläche:\t" + str(Flaeche))
print("effektive_Fläche:\t" + str(Flaeche * Anzahl_clean / Anzahl_gesamt))
'''
Verteilung_E 71574
Verteilung_E_cut 71570
Anzahl_shower_produziert: 1000000
Shower Anzahl: 71570
Verhältnis: 0.07157
Fläche_ges: 39,269,908.16987241
eff_Fläche: 2,810,547.3277177685
'''