source: sasview/src/sas/sascalc/pr/num_term.py @ 3e6829d

magnetic_scattrelease-4.2.2ticket-1009ticket-1094-headlessticket-1242-2d-resolutionticket-1243ticket-1249
Last change on this file since 3e6829d was 3e6829d, checked in by Paul Kienzle <pkienzle@…>, 6 years ago

default to floating point division in pr

  • Property mode set to 100644
File size: 5.3 KB
Line 
1from __future__ import print_function, division
2
3import math
4import numpy as np
5import copy
6import sys
7import logging
8from sas.sascalc.pr.invertor import Invertor
9
10logger = logging.getLogger(__name__)
11
12class NTermEstimator(object):
13    """
14    """
15    def __init__(self, invertor):
16        """
17        """
18        self.invertor = invertor
19        self.nterm_min = 10
20        self.nterm_max = len(self.invertor.x)
21        if self.nterm_max > 50:
22            self.nterm_max = 50
23        self.isquit_func = None
24
25        self.osc_list = []
26        self.err_list = []
27        self.alpha_list = []
28        self.mess_list = []
29        self.dataset = []
30
31    def is_odd(self, n):
32        """
33        """
34        return bool(n % 2)
35
36    def sort_osc(self):
37        """
38        """
39        #import copy
40        osc = copy.deepcopy(self.dataset)
41        lis = []
42        for i in range(len(osc)):
43            osc.sort()
44            re = osc.pop(0)
45            lis.append(re)
46        return lis
47
48    def median_osc(self):
49        """
50        """
51        osc = self.sort_osc()
52        dv = len(osc)
53        med = 0.5*dv
54        odd = self.is_odd(dv)
55        medi = 0
56        for i in range(dv):
57            if odd:
58                medi = osc[int(med)]
59            else:
60                medi = osc[int(med) - 1]
61        return medi
62
63    def get0_out(self):
64        """
65        """
66        inver = self.invertor
67        self.osc_list = []
68        self.err_list = []
69        self.alpha_list = []
70        for k in range(self.nterm_min, self.nterm_max, 1):
71            if self.isquit_func is not None:
72                self.isquit_func()
73            best_alpha, message, _ = inver.estimate_alpha(k)
74            inver.alpha = best_alpha
75            inver.out, inver.cov = inver.lstsq(k)
76            osc = inver.oscillations(inver.out)
77            err = inver.get_pos_err(inver.out, inver.cov)
78            if osc > 10.0:
79                break
80            self.osc_list.append(osc)
81            self.err_list.append(err)
82            self.alpha_list.append(inver.alpha)
83            self.mess_list.append(message)
84
85        new_osc1 = []
86        new_osc2 = []
87        new_osc3 = []
88        flag9 = False
89        flag8 = False
90        for i in range(len(self.err_list)):
91            if self.err_list[i] <= 1.0 and self.err_list[i] >= 0.9:
92                new_osc1.append(self.osc_list[i])
93                flag9 = True
94            if self.err_list[i] < 0.9 and self.err_list[i] >= 0.8:
95                new_osc2.append(self.osc_list[i])
96                flag8 = True
97            if self.err_list[i] < 0.8 and self.err_list[i] >= 0.7:
98                new_osc3.append(self.osc_list[i])
99
100        if flag9:
101            self.dataset = new_osc1
102        elif flag8:
103            self.dataset = new_osc2
104        else:
105            self.dataset = new_osc3
106
107        return self.dataset
108
109    def ls_osc(self):
110        """
111        """
112        # Generate data
113        self.get0_out()
114        med = self.median_osc()
115
116        #TODO: check 1
117        ls_osc = self.dataset
118        ls = []
119        for i in range(len(ls_osc)):
120            if int(med) == int(ls_osc[i]):
121                ls.append(ls_osc[i])
122        return ls
123
124    def compare_err(self):
125        """
126        """
127        ls = self.ls_osc()
128        nt_ls = []
129        for i in range(len(ls)):
130            r = ls[i]
131            n = self.osc_list.index(r) + 10
132            nt_ls.append(n)
133        return nt_ls
134
135    def num_terms(self, isquit_func=None):
136        """
137        """
138        try:
139            self.isquit_func = isquit_func
140            nts = self.compare_err()
141            div = len(nts)
142            tem = 0.5*div
143            if self.is_odd(div):
144                nt = nts[int(tem)]
145            else:
146                nt = nts[int(tem) - 1]
147            return nt, self.alpha_list[nt - 10], self.mess_list[nt - 10]
148        except:
149            #TODO: check the logic above and make sure it doesn't
150            # rely on the try-except.
151            return self.nterm_min, self.invertor.alpha, ''
152
153
154#For testing
155def load(path):
156    # Read the data from the data file
157    data_x = np.zeros(0)
158    data_y = np.zeros(0)
159    data_err = np.zeros(0)
160    scale = None
161    min_err = 0.0
162    if path is not None:
163        input_f = open(path, 'r')
164        buff = input_f.read()
165        lines = buff.split('\n')
166        for line in lines:
167            try:
168                toks = line.split()
169                test_x = float(toks[0])
170                test_y = float(toks[1])
171                if len(toks) > 2:
172                    err = float(toks[2])
173                else:
174                    if scale is None:
175                        scale = 0.05 * math.sqrt(test_y)
176                        #scale = 0.05/math.sqrt(y)
177                        min_err = 0.01 * y
178                    err = scale * math.sqrt(test_y) + min_err
179                    #err = 0
180
181                data_x = np.append(data_x, test_x)
182                data_y = np.append(data_y, test_y)
183                data_err = np.append(data_err, err)
184            except:
185                logger.error(sys.exc_value)
186
187    return data_x, data_y, data_err
188
189
190if __name__ == "__main__":
191    invert = Invertor()
192    x, y, erro = load("test/Cyl_A_D102.txt")
193    invert.d_max = 102.0
194    invert.nfunc = 10
195    invert.x = x
196    invert.y = y
197    invert.err = erro
198    # Testing estimator
199    est = NTermEstimator(invert)
200    print(est.num_terms())
Note: See TracBrowser for help on using the repository browser.