iT邦幫忙

2022 iThome 鐵人賽

DAY 20
0
AI & Data

跟著黑蛋用Streamlit速成天文資料分析Web App系列 第 20

[19]:系外行星凌日分析頁面加上資料清理功能以濾除低頻訊號及異常值

  • 分享至 

  • xImage
  •  

黑蛋從PM貳婰舞傳來的訊息得知,客戶發現有些光變曲線,例如Kepler太空望遠鏡對於Kepler-10這個系外行星系統所觀測的光變曲線,會有長週期趨勢變化但不像是行星的遮擋效應,或者會出現因為儀器雜訊所造成的異常值,它們都會影響週期計算且不易在疊合光變曲線圖中看出凌日現象。

為了有較乾淨的光變曲線供Box Least Squares演算法進一步分析出系外行星的軌道週期,黑蛋透過LightCurve物件的flatten()remove_outliers()功能,分別排除上述影響。前者是藉由SciPy的Savitzky-Golay率波函式來濾除低頻訊號,後者則是以光變曲線資料的中位數加減五個標準差當作上下界線,濾除超過界線的值。不過,並非所有光變曲線都需要濾除步驟,所以他在「系外行星凌日分析」頁面上,用st.checkbox元件讓使用者可以勾選「是否濾除長週期趨勢?」或「是否移除異常值?」。

黑蛋將資料濾除功能上線並回報給PM貳婰舞一陣子後,收到回訊:「很好!這個『太陽系外行星資料分析app』目前的功能都已經符合客戶的需求,可以結案了!雖然可能還有一些值得添加的新功能,但等客戶未來續約給$時再說吧XD 對了,已經有新的客戶跟我聯絡,這個新案是關於重力波觀測資料分析,詳細我明天開會時再跟你說囉。」

此系列文由蘇羿豪撰寫,以「創用CC 姓名標示 4.0(CC BY 4.0)國際版授權條款」釋出。此系列文也同步在MattersMirror平台連載。另外附上此文所提及的太陽系外行星資料分析app以及完整程式碼連結。


上一篇
[18]:用Box Least Squares演算法分析出系外行星的軌道週期
下一篇
[20]:初探重力波開放科學中心網站
系列文
跟著黑蛋用Streamlit速成天文資料分析Web App30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言