Ignore:
Timestamp:
Mar 12, 2010 1:16:01 PM (15 years ago)
Author:
Jae Cho <jhjcho@…>
Branches:
master, ESS_GUI, ESS_GUI_Docs, ESS_GUI_batch_fitting, ESS_GUI_bumps_abstraction, ESS_GUI_iss1116, ESS_GUI_iss879, ESS_GUI_iss959, ESS_GUI_opencl, ESS_GUI_ordering, ESS_GUI_sync_sascalc, costrafo411, magnetic_scatt, release-4.1.1, release-4.1.2, release-4.2.2, release_4.0.1, ticket-1009, ticket-1094-headless, ticket-1242-2d-resolution, ticket-1243, ticket-1249, ticket885, unittest-saveload
Children:
00d3528
Parents:
3080527
Message:

Updated all 2D data inputs for new 2d format

File:
1 edited

Legend:

Unmodified
Added
Removed

  • sansview/perspectives/fitting/model_thread.py

    re627f19 re575db9  
    2525        self.qmax= qmax 
    2626        self.qstep= qstep 
    27         # Reshape dimensions of x and y to call evalDistribution 
    28         #self.x_array = numpy.reshape(x,[len(x),1]) 
    29         #self.y_array = numpy.reshape(y,[1,len(y)]) 
    30         self.x_array = numpy.reshape(x,[1,len(x)]) 
    31         self.y_array = numpy.reshape(y,[len(y),1]) 
    32         # Numpy array of dimensions 1 used for model.run method 
    33         self.x= numpy.array(x) 
    34         self.y= numpy.array(y) 
     27 
     28        self.x = x 
     29        self.y = y 
    3530        self.data= data 
    3631        # the model on to calculate 
    … …  
    5146                newy= math.pow(max(math.fabs(self.data.ymax),math.fabs(self.data.ymin)),2) 
    5247                self.qmax=math.sqrt( newx + newy ) 
    53         # Define matrix where data will be plotted         
    54         radius= numpy.sqrt( self.x_array**2 + self.y_array**2 ) 
    55         index_data= (self.qmin<= radius) 
    56         index_model = (self.qmin <= radius)&(radius<= self.qmax) 
    57         
    58         output = numpy.zeros((len(self.x),len(self.y))) 
    59       
    60         ## receive only list of 2 numpy array  
    61         ## One must reshape to vertical and the other to horizontal 
    62         value = self.model.evalDistribution([self.x_array,self.y_array] ) 
    63         ## for data ignore the qmax  
    64         if self.data == None: 
     48         
     49        if self.data != None: 
     50            self.qx_data = self.data.qx_data 
     51            self.qy_data = self.data.qy_data 
     52            self.mask    = self.data.mask 
     53        else:           
     54            xbin =  numpy.linspace(start= -1*self.qmax, 
     55                                   stop= self.qmax, 
     56                                   num= self.qstep, 
     57                                   endpoint=True )   
     58            ybin = numpy.linspace(start= -1*self.qmax, 
     59                                   stop= self.qmax, 
     60                                   num= self.qstep, 
     61                                   endpoint=True )             
     62             
     63            new_xbin = numpy.tile(xbin, (len(ybin),1)) 
     64            new_ybin = numpy.tile(ybin, (len(xbin),1)) 
     65            new_ybin = new_ybin.swapaxes(0,1) 
     66            new_xbin = new_xbin.flatten() 
     67            new_ybin = new_ybin.flatten() 
     68            self.qy_data = new_ybin 
     69            self.qx_data = new_xbin 
     70            
     71            self.mask = numpy.ones(len(self.qx_data),dtype=bool) 
     72             
     73        # Define matrix where data will be plotted     
     74        radius= numpy.sqrt( self.qx_data*self.qx_data + self.qy_data*self.qy_data ) 
     75        index_data= (self.qmin<= radius)&(self.mask) 
     76         
     77        # For theory, qmax is based on 1d qmax  
     78        # so that must be mulitified by sqrt(2) to get actual max for 2d 
     79        index_model = ((self.qmin <= radius)&(radius<= self.qmax)) 
     80        self.mask = (index_model)&(self.mask) 
     81         
     82        if self.data ==None: 
    6583            # Only qmin value will be consider for the detector 
    66             output = value *index_data   
    67         else: 
    68             # The user can define qmin and qmax for the detector 
    69             output = index_model*value 
    70        
     84            self.mask = index_data   
     85              
     86        value = self.model.evalDistribution([self.qx_data[self.mask],self.qy_data[self.mask]] ) 
     87 
     88        output = numpy.zeros(len(self.mask)) 
     89        output[self.mask] = value  
     90 
    7191        elapsed = time.time()-self.starttime 
    7292        self.complete( image = output, 
    … …  
    7595                       elapsed = elapsed, 
    7696                       qmin = self.qmin, 
    77                        qmax =self.qmax, 
     97                       qmax = self.qmax, 
    7898                       qstep = self.qstep ) 
    7999         
Note: See TracChangeset for help on using the changeset viewer.