source: sasview/sansmodels/test/utest_evaldist.py @ 9159cb9

ESS_GUIESS_GUI_DocsESS_GUI_batch_fittingESS_GUI_bumps_abstractionESS_GUI_iss1116ESS_GUI_iss879ESS_GUI_iss959ESS_GUI_openclESS_GUI_orderingESS_GUI_sync_sascalccostrafo411magnetic_scattrelease-4.1.1release-4.1.2release-4.2.2release_4.0.1ticket-1009ticket-1094-headlessticket-1242-2d-resolutionticket-1243ticket-1249ticket885unittest-saveload
Last change on this file since 9159cb9 was 18e250c, checked in by Gervaise Alina <gervyh@…>, 13 years ago

move test to sansmodels top level
  • Property mode set to 100644
File size: 6.3 KB
RevLine 
[ecc58e72]1"""
2    Test for the BaseComponent.evalDistribution
3    See method documentation for more details
4"""
5import unittest
6import numpy, math
7from sans.models.SphereModel import SphereModel
8from sans.models.Cos import Cos
9
10
11class TestEvalPythonMethods(unittest.TestCase):
12    """ Testing evalDistribution for pure python models """
13
14    def setUp(self):
15        self.model= Cos()
16       
17    def test_scalar_methods(self):
18        """
19            Simple test comparing the run(), runXY() and
20            evalDistribution methods
21        """
22        q1 = self.model.run(0.001)
23        q2 = self.model.runXY(0.001)
24        qlist3 = numpy.asarray([0.001, 0.002])
25        q3 = self.model.evalDistribution(qlist3)
26        q4 = self.model.run(0.002)
27
28        self.assertEqual(q1, q2)
29        self.assertEqual(q1, q3[0])
30        self.assertEqual(q4, q3[1])
31       
32    def test_XY_methods(self):
33        """
34            Compare to the runXY() method for 2D models.
35           
36                      +--------+--------+--------+
37            qy=0.009  |        |        |        |
38                      +--------+--------+--------+
39            qy-0.006  |        |        |        |
40                      +--------+--------+--------+           
41            qy=0.003  |        |        |        |
42                      +--------+--------+--------+
43                      qx=0.001   0.002   0.003
44           
45        """
46        # These are the expected values for all bins
47        expected = numpy.zeros([3,3])
48        for i in range(3):
49            for j in range(3):
50                q_length = math.sqrt( (0.001*(i+1.0))*(0.001*(i+1.0)) + (0.003*(j+1.0))*(0.003*(j+1.0)) )
51                expected[i][j] = self.model.run(q_length)
52       
53        qx_values = [0.001, 0.002, 0.003]
54        qy_values = [0.003, 0.006, 0.009]
55       
56        qx = numpy.asarray(qx_values)
57        qy = numpy.asarray(qy_values)
[7e99f5c]58                     
59        new_x = numpy.tile(qx, (len(qy),1))
60        new_y = numpy.tile(qy, (len(qx),1))
61        new_y = new_y.swapaxes(0,1)
62   
63        #iq is 1d array now (since 03-12-2010)
64        qx_prime = new_x.flatten()
65        qy_prime = new_y.flatten()
[ecc58e72]66       
67        iq = self.model.evalDistribution([qx_prime, qy_prime])
68
69        for i in range(3):
70            for j in range(3):
[7e99f5c]71                k = i+len(qx)*j
72                self.assertAlmostEquals(iq[k], expected[i][j])
[ecc58e72]73
74    def test_rectangle_methods(self):
75        """
76            Compare to the runXY() method for 2D models
77            with a non-square matrix.
78            TODO: Doesn't work for C models apparently
79       
80                      +--------+--------+--------+
81            qy-0.006  |        |        |        |
82                      +--------+--------+--------+           
83            qy=0.003  |        |        |        |
84                      +--------+--------+--------+
85                      qx=0.001   0.002   0.003
86           
87        """
88        # These are the expected values for all bins
89        expected = numpy.zeros([3,3])
90        for i in range(3):
91            for j in range(2):
92                q_length = math.sqrt( (0.001*(i+1.0))*(0.001*(i+1.0)) + (0.003*(j+1.0))*(0.003*(j+1.0)) )
93                expected[i][j] = self.model.run(q_length)
94       
95        qx_values = [0.001, 0.002, 0.003]
96        qy_values = [0.003, 0.006]
97       
98        qx = numpy.asarray(qx_values)
99        qy = numpy.asarray(qy_values)
[7e99f5c]100                     
101        new_x = numpy.tile(qx, (len(qy),1))
102        new_y = numpy.tile(qy, (len(qx),1))
103        new_y = new_y.swapaxes(0,1)
104   
105        #iq is 1d array now (since 03-12-2010)
106        qx_prime = new_x.flatten()
107        qy_prime = new_y.flatten()
[ecc58e72]108       
109        iq = self.model.evalDistribution([qx_prime, qy_prime])
110       
111        for i in range(3):
112            for j in range(2):
[7e99f5c]113                k = i+len(qx)*j
114                self.assertAlmostEquals(iq[k], expected[i][j])
[ecc58e72]115
116
117               
118class TestEvalMethods(unittest.TestCase):
119    """ Testing evalDistribution for C models """
120
121    def setUp(self):
122        self.model= SphereModel()
123       
124    def test_scalar_methods(self):
125        """
126            Simple test comparing the run(), runXY() and
127            evalDistribution methods
128        """
129        q1 = self.model.run(0.001)
130        q2 = self.model.runXY(0.001)
131        q4 = self.model.run(0.002)
132        qlist3 = numpy.asarray([0.001, 0.002])
133        q3 = self.model.evalDistribution(qlist3)
134
135        self.assertEqual(q1, q2)
136        self.assertEqual(q1, q3[0])
137        self.assertEqual(q4, q3[1])
138       
139    def test_XY_methods(self):
140        """
141            Compare to the runXY() method for 2D models.
142           
143                      +--------+--------+--------+
144            qy=0.009  |        |        |        |
145                      +--------+--------+--------+
146            qy-0.006  |        |        |        |
147                      +--------+--------+--------+           
148            qy=0.003  |        |        |        |
149                      +--------+--------+--------+
150                      qx=0.001   0.002   0.003
151           
152        """
153        # These are the expected values for all bins
154        expected = numpy.zeros([3,3])
155        for i in range(3):
156            for j in range(3):
157                q_length = math.sqrt( (0.001*(i+1.0))*(0.001*(i+1.0)) + (0.003*(j+1.0))*(0.003*(j+1.0)) )
158                expected[i][j] = self.model.run(q_length)
159       
160        qx_values = [0.001, 0.002, 0.003]
161        qy_values = [0.003, 0.006, 0.009]
162       
163        qx = numpy.asarray(qx_values)
164        qy = numpy.asarray(qy_values)
[7e99f5c]165             
166        new_x = numpy.tile(qx, (len(qy),1))
167        new_y = numpy.tile(qy, (len(qx),1))
168        new_y = new_y.swapaxes(0,1)
169   
170        #iq is 1d array now (since 03-12-2010)
171        qx_prime = new_x.flatten()
172        qy_prime = new_y.flatten()
[ecc58e72]173       
174        iq = self.model.evalDistribution([qx_prime, qy_prime])
175       
176        for i in range(3):
177            for j in range(3):
[7e99f5c]178                # convert index into 1d array
179                k = i+len(qx)*j
180                self.assertAlmostEquals(iq[k], expected[i][j])
[ecc58e72]181               
182
183if __name__ == '__main__':
184    unittest.main()
Note: See TracBrowser for help on using the repository browser.