https://github.com/UoAACG/WorkshopNotebooks

Repository of the Scientific Python Worshop at UOA
https://github.com/UoAACG/WorkshopNotebooks

astronomy astrophysics astropy numpy python scientific-computing scipy sympy workshop

Last synced: about 1 month ago
JSON representation

Repository of the Scientific Python Worshop at UOA

• Host: GitHub
• URL: https://github.com/UoAACG/WorkshopNotebooks
• Owner: UoAACG
• License: mit
• Created: 2017-11-22T21:07:52.000Z (about 7 years ago)
• Default Branch: master
• Last Pushed: 2018-12-17T15:05:01.000Z (about 6 years ago)
• Last Synced: 2024-08-10T14:11:17.506Z (5 months ago)
• Topics: astronomy, astrophysics, astropy, numpy, python, scientific-computing, scipy, sympy, workshop
• Language: Jupyter Notebook
• Homepage:
• Size: 4.79 MB
• Stars: 4
• Watchers: 7
• Forks: 1
• Open Issues: 5
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# ScientificPythonWorshop

Repository of the Scientific Python Worshop at UOA

## Γενικά για το Workshop

Κάθε Τετάρτη -μετά το coffee break το τομέα αστροφυσικής- στις 13:30 - 15:00 στην αίθουσα διαλέξεων του Τομέα ΑΑΜ, πραγματοποιούνται workshops πάνω

σε ένα ευρύ φάσμα επιστημονικού προγραμματισμού και ανάλυσης δεδομένων με τη χρήση της γλώσσας προγραμματισμού Python και τις βιβλιοθήκες

Numpy, Scipy, Sympy, Pandas, Scikit-Learn και Matplotlib. Το περιβάλλον που θα χρησιμοποιούμε είναι το Jupyter Notebook.

Οι βιβλιοθήκες αυτές είναι εύκολα προσβάσιμες μέσω της πλατφόρμας Anaconda που είναι διαθέσιμη για Linux, Windows και Mac. (https://www.continuum.io/downloads).

Πληροφορίες: [email protected] // [email protected]

Συντονιστές:

    Μιχάλης Παπαχρήστου ([email protected])

    Φώτης Αναγνωστόπουλος

Στο τελευταίο Workshop ο Αλέξανδρος Λουρόπουλος μας παρουσίασε το σύστημα κατανεμημένου ελέγχου (distributed version control system) git. Για όσους ενδιαφέρονται θα υπάρξει και συνέχεια.

### Επόμενο τακτικό Workshop >> Τετάρτη 28/2 στις 13.30 στην άιθουσα διαλέξεων του τομέα Αστροφυσικής

### Notebooks

0. ***Εισαγωγικό tutorial, επίδειξη των δυνατοτήτων της Python***

https://github.com/UOAPythonWorkshop/WorkshopNotebooks/blob/master/Tutorial.ipynb

1. ***Δραστηριότητα 1: Γραμμική προσαρμογή δεδομένων με τη χρήση κοσμολογικών μοντέλων σε δεδομένα supernovae***

https://github.com/UOAPythonWorkshop/WorkshopNotebooks/blob/master/Linear_Regresion_ex_and_extras.ipynb

2. ***Δραστηριότητα 2: Εκτίμηση της περιόδου του ηλιακού κύκλου μέσω μετασχηματισμού fourier***

https://github.com/UOAPythonWorkshop/WorkshopNotebooks/blob/master/Sun%20Periodicity.ipynb

----------------------

Τα παρακάτω notebooks παρουσιάστηκαν και χρησιμοποιήθηκαν στα workshop της προηγούμενης περιόδου.

* ***Προσομοιώση κίνησης ενός βλήματος με μεθόδους αριθμητικής ολοκλήρωσης***

https://github.com/UOAPythonWorkshop/WorkshopNotebooks/blob/master/2nd%20Workshop.ipynb

* ***Εισαγωγή στη βιβλιοθήκη συμβολικών πράξεων SYMPY, παράδειγμα με ένα απλό πρόβλημα μηχανικής και του προβλήματος των 3 σωμάτων***

https://github.com/UOAPythonWorkshop/WorkshopNotebooks/blob/master/3rd%20Workshop%20(Sympy%20Tutorial).ipynb

(Το πρόβλημα των 3 σωμάτων λόγω χρόνου δεν έγινε στο workshop)

* ***Παρουσίαση στην αποθήκευση και ανάλυση δεδομένων αριθμητικών εξομοιώσεων από τον κώδικα PLUTO***

(για να αποθηκέυσει κάποιος τα δεδομένα απλά τρέχει το script PLUTOdata.py μέσω της εντολής python PLUTOdata.py εντός ενος φακέλου με dbl δεδομένα από τον PLUTO. Η διαδικασία αυτή δημιουργεί ένα npz αρχείο με το όνομα του φακέλου στο οποίο βρισκόμαστε καθώς και μερικά χαρακτηριστικά στιγμιότυπα σε μορφή png για μια πρώτη γέυση των αποτελεσμάτων. Για την ανάλυση τους μπορούμε να ανατρέξουμε τα δεδομένα μέσω της συνάρτηση np.load('arxeio.npz'))

πχ

```python

Data=np.load('arxeio.npz')

Density=Data['RHO'].T) #.Τ -> Transpose the Matrix

plt.imshow(Density[:,:,-1] #τελευταίο στιγμίοτυπο (Density[y,x,t])

```