Newer
Older
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
import h5py
import matplotlib.pyplot as plt
import numpy as np
import sys
import re
import ast
from scipy.optimize import curve_fit
import os
from scipy import interpolate
from glob import glob
#%% Funciones auxiliares
# Función para verificar lectura de archivos
def SeeKeys(files):
for i, fname in enumerate(files):
data = h5py.File(fname, 'r') # Leo el h5: Recordar que nuestros datos estan en 'datasets'
print(fname)
print(list(data['datasets'].keys()))
def clean_jumps_below(frec,amp,umbral=0):
"""
función para filtrar los spickes menores a un humbral determinado
"""
frec = np.array(frec)
amp = np.array(amp)
return frec[amp>umbral] , amp[amp>umbral]
#%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
#%% Carga de datos experimentales
# glob('/home/lolo/tmp/github/artiq_experiments/artiq_master/results/2023-08-16')
DATAFILES = sorted(glob('../../../artiq_master/results/2023-08-16/*/*.h5')+
glob('../../../artiq_master/results/2023-08-15/*/*.h5'))
""" Bitácora Nico:
Configuracion +2/-2 colineales, ion al costado del haz:
-desde 14410 hasta 14425: barriendo dcA (las tensiones en cada uno están en el dataset "initialvoltage_dcA",
los medi desordenados pero podés importar también su tensión correspondiente)
-desde 14429 hasta 14439: barriendo compOVEN (lo mismo,
las tensiones estan en el dataset "initialvoltage_compOven")
Configuracion +2/-2 colineales, ion arriba del haz:
-14449 y 14450: barriendo dcA (muchas tensiones por cada medicion, especificadas
en el dataset "scanning_voltages")
-14455, 14456, 14457, 14458: barriendo compOVEN (tres o cuatro tensiones por cada
medicion, tmb especificadas en el dataset "scanning_voltages")
"""
DATAFILES_costado_dcA = [ aa for aa in DATAFILES for jj in range(14410,14425+1) if f'{jj}' in aa ]
DATAFILES_costado_compOVEN = [ aa for aa in DATAFILES for jj in range(14429,14439+1) if f'{jj}' in aa ]
DATAFILES_arriba_dcA = [ aa for aa in DATAFILES for jj in range(14449,14450+1) if f'{jj}' in aa ]
DATAFILES_arriba_compOVEN = [ aa for aa in DATAFILES for jj in range(14455,14458+1) if f'{jj}' in aa ]
#%% Configuracion +2/-2 colineales, ion al costado del haz dcA
# SeeKeys(DATAFILES_costado_dcA[:1])
# data = h5py.File(DATAFILES_costado_dcA[0], 'r')
# for kk,vv in data['datasets'].items():
# print(f'{kk}:\t',vv)
from scipy.signal import savgol_filter as savgol
# Grafico con subplots
fig,axx = plt.subplots(1,2,figsize=(12,8), constrained_layout=True , sharey=True )
fig.set_constrained_layout_pads(w_pad=1/72, h_pad=0, hspace=0, wspace=0)
rango_dr1 = np.array([435,437])
rango_dr2 = np.array([443,445])
I_base_fit = np.arange(0,50).tolist()+np.arange(230,280).tolist()+np.arange(450,459).tolist()
I_base_fit = np.array(I_base_fit)
ax = axx[0]
NORMALIZADO = True
rango_dr1 = np.array([435,437])
rango_dr2 = np.array([443,445])
picos = {0:[], 1:[]}
dcA_vec = []
for data in sorted([ h5py.File(DataFile, 'r') for DataFile in DATAFILES_costado_dcA ],key=lambda x: np.array(x['datasets']['initialvoltage_dcA']) ):
frecuencia = np.array(data['datasets']['IR1_Frequencies'])*2e-6
cuentas = np.array(data['datasets']['counts_spectrum'])
amplitudes = np.array(data['datasets']['IR1_Amplitudes'])
dcA = np.array(data['datasets']['initialvoltage_dcA'])
dcA_vec.append( dcA )
frecuencia,cuentas = clean_jumps_below(frecuencia,cuentas, 400)
cuentas_suave = savgol(cuentas,13,2)
I_base_fit = np.arange(len(frecuencia))[:50].tolist()
I_base_fit += np.arange(len(frecuencia))[(frecuencia>=439)&(frecuencia<=442)].tolist()
I_base_fit += np.arange(len(frecuencia))[(frecuencia>=500)&(frecuencia<=442)].tolist()
I_base_fit = np.array(I_base_fit)
mm = np.polyfit(frecuencia[I_base_fit], cuentas[I_base_fit],1)
if NORMALIZADO:
base = np.polyval(mm,frecuencia)
ax.plot(frecuencia,cuentas/base, '.', alpha=0.5)
ax.plot(frecuencia,cuentas_suave/base, '-', alpha=0.9, color=ax.get_lines()[-1].get_color())
else:
ax.plot(frecuencia,cuentas, '.', alpha=0.5)
ax.plot(frecuencia,cuentas_suave, '-', alpha=0.9, color=ax.get_lines()[-1].get_color())
# ax.plot(frecuencia[I_base_fit],cuentas[I_base_fit], '.', alpha=1)
ax.plot( [420,460], np.polyval(mm,[420,460]) , '-', color=ax.get_lines()[-1].get_color(), alpha=0.5)
for jj,rango in enumerate([rango_dr1,rango_dr2]):
I = np.arange(len(frecuencia))[(frecuencia>rango.min())&(frecuencia<rango.max())]
idx = cuentas_suave[I].argmin() + I[0]
ax.plot(frecuencia[idx],cuentas_suave[idx]/base[idx], 'o', ms=12, color=ax.get_lines()[-1].get_color(),zorder=10)
Base = np.polyval(mm,rango.mean())
val_pico = cuentas_suave[I].min()
picos[jj].append( (Base-val_pico)/Base )
print( (Base-val_pico)/Base , end="\t")
print('')
# ax.plot(frecuencia,cuentas , label=dcA)
# plt.pause(2)
# plt.cla()
# ax.plot(cuentas , label=dcA)
# plt.plot(frecuencia,amplitudes )
ax.legend()
ax = axx[1]
ax.plot( dcA_vec , picos[0] , '.-')
ax.plot( dcA_vec , picos[1] , '.-' )
#%% Configuracion +2/-2 colineales, ion al costado del haz dcA version INSPECCIÓN
# SeeKeys(DATAFILES_costado_dcA[:1])
# data = h5py.File(DATAFILES_costado_dcA[0], 'r')
# for kk,vv in data['datasets'].items():
# print(f'{kk}:\t',vv)
from scipy.signal import savgol_filter as savgol
# Grafico con subplots
fig,axx = plt.subplots(1,2,figsize=(12,8), constrained_layout=True , sharey=True )
fig.set_constrained_layout_pads(w_pad=1/72, h_pad=0, hspace=0, wspace=0)
rango_dr1 = np.array([435,437])
rango_dr2 = np.array([443,445])
I_base_fit = np.arange(0,50).tolist()+np.arange(230,280).tolist()+np.arange(450,459).tolist()
I_base_fit = np.array(I_base_fit)
ax = axx[0]
# plt.figure()
# ax = plt.gca()
NORMALIZADO = True
rango_dr1 = np.array([435,437])
rango_dr2 = np.array([443,445])
picos = {0:[], 1:[]}
dcA_vec = []
for data in sorted([ h5py.File(DataFile, 'r') for DataFile in DATAFILES_costado_dcA ],key=lambda x: np.array(x['datasets']['initialvoltage_dcA']) ):
frecuencia = np.array(data['datasets']['IR1_Frequencies'])*2e-6
cuentas = np.array(data['datasets']['counts_spectrum'])
amplitudes = np.array(data['datasets']['IR1_Amplitudes'])
dcA = np.array(data['datasets']['initialvoltage_dcA'])
dcA_vec.append( dcA.tolist() )
frecuencia,cuentas = clean_jumps_below(frecuencia,cuentas, 400)
cuentas_suave = savgol(cuentas,13,2)
I_base_fit = np.arange(len(frecuencia))[:50].tolist()
I_base_fit += np.arange(len(frecuencia))[(frecuencia>=439)&(frecuencia<=442)].tolist()
# I_base_fit += np.arange(len(frecuencia))[(frecuencia>=500)&(frecuencia<=442)].tolist()
I_base_fit = np.array(I_base_fit)
mm = np.polyfit(frecuencia[I_base_fit], cuentas[I_base_fit],1)
base = np.polyval(mm,frecuencia)
CURVA = (cuentas/base-1)/5 + dcA
CURVA_SUAVE = (cuentas_suave/base-1)/5+ dcA
ax.plot(frecuencia,CURVA , '.', alpha=0.1)
ax.plot(frecuencia,CURVA_SUAVE, '-', alpha=0.9, color=ax.get_lines()[-1].get_color())
for jj,rango in enumerate([rango_dr1,rango_dr2]):
I = np.arange(len(frecuencia))[(frecuencia>rango.min())&(frecuencia<rango.max())]
idx = cuentas_suave[I].argmin() + I[0]
ax.plot(frecuencia[idx],(cuentas_suave[idx]/base[idx]-1)/5+dcA, 'o', ms=6, color=ax.get_lines()[-1].get_color(),zorder=10)
Base = np.polyval(mm,rango.mean())
val_pico = cuentas_suave[I].min()
picos[jj].append( (Base-val_pico)/Base )
print( (Base-val_pico)/Base , end="\t")
print('')
# ax.plot(frecuencia,cuentas , label=dcA)
# plt.pause(2)
# plt.cla()
# ax.plot(cuentas , label=dcA)
# plt.plot(frecuencia,amplitudes )
ax.legend()
ax = axx[1]
ax.plot( picos[0] , dcA_vec , '.')
ax.plot( picos[1] , dcA_vec , 'o' )
profundidad_mean = [ np.array(np.array(picos[0])[dcA_vec==val].tolist()+np.array(picos[1])[dcA_vec==val].tolist()).mean() for val in np.unique(dcA_vec) ]
profundidad_dev = [ np.array(np.array(picos[0])[dcA_vec==val].tolist()+np.array(picos[1])[dcA_vec==val].tolist()).std() for val in np.unique(dcA_vec) ]
dcA_uniq = np.unique(dcA_vec)
ax.plot( profundidad_mean , dcA_uniq , 'o-', color='gray' , alpha=0.5 )
ax.errorbar( profundidad_mean , dcA_uniq , xerr=profundidad_dev , color='gray' ,capsize=5)
ax.set_xlabel('Profundidad')
axx[0].set_ylabel('dcA [mV]')
axx[0].set_xlabel('frecuencia [kHz]')
for ax in axx:
ax.grid(b=True,linestyle=':',color='lightgray')
ax.set_xlim( 0, ax.get_xlim()[1] )
fig.suptitle("Configuracion +2/-2 colineales, ion al costado del haz dcA")
# fig.savefig("config+2-2_colineal_ion_al_costado_dcA.png")
#%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
#%% Configuracion +2/-2 colineales, ion al costado del haz compOVEN version INSPECCIÓN
# SeeKeys(DATAFILES_costado_dcA[:1])
# data = h5py.File(DATAFILES_costado_dcA[0], 'r')
# for kk,vv in data['datasets'].items():
# print(f'{kk}:\t',vv)
from scipy.signal import savgol_filter as savgol
# Grafico con subplots
fig,axx = plt.subplots(1,2,figsize=(6.5,3.2), constrained_layout=True , sharey=True )
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
fig.set_constrained_layout_pads(w_pad=1/72, h_pad=0, hspace=0, wspace=0)
rango_dr1 = np.array([435,437])
rango_dr2 = np.array([443,445])
ax = axx[0]
NORMALIZADO = True
rango_dr1 = np.array([435,437])
rango_dr2 = np.array([443,445])
picos = {0:[], 1:[]}
compOven_vec = []
for data in sorted([ h5py.File(DataFile, 'r') for DataFile in DATAFILES_costado_compOVEN ],key=lambda x: np.array(x['datasets']['initialvoltage_dcA']) ):
frecuencia = np.array(data['datasets']['IR1_Frequencies'])*2e-6
cuentas = np.array(data['datasets']['counts_spectrum'])
amplitudes = np.array(data['datasets']['IR1_Amplitudes'])
compOven = np.array(data['datasets']['initialvoltage_compOven'])
compOven_vec.append( compOven.tolist() )
frecuencia,cuentas = clean_jumps_below(frecuencia,cuentas, 400)
cuentas_suave = savgol(cuentas,13,2)
I_base_fit = np.arange(len(frecuencia))[:50].tolist()
I_base_fit += np.arange(len(frecuencia))[(frecuencia>=439)&(frecuencia<=442)].tolist()
# I_base_fit += np.arange(len(frecuencia))[(frecuencia>=500)&(frecuencia<=442)].tolist()
I_base_fit = np.array(I_base_fit)
mm = np.polyfit(frecuencia[I_base_fit], cuentas[I_base_fit],1)
base = np.polyval(mm,frecuencia)
CURVA = (cuentas/base-1)/5 + compOven
CURVA_SUAVE = (cuentas_suave/base-1)/5+ compOven
ax.plot([f-440 for f in frecuencia],CURVA , '.', alpha=0.1)
ax.plot([f-440 for f in frecuencia],CURVA_SUAVE, '-', alpha=0.9, color=ax.get_lines()[-1].get_color())
for jj,rango in enumerate([rango_dr1,rango_dr2]):
I = np.arange(len(frecuencia))[(frecuencia>rango.min())&(frecuencia<rango.max())]
idx = cuentas_suave[I].argmin() + I[0]
ax.plot([frecuencia[idx]-440],(cuentas_suave[idx]/base[idx]-1)/5+compOven, 'o', ms=6, color=ax.get_lines()[-1].get_color(),zorder=10)
Base = np.polyval(mm,rango.mean())
val_pico = cuentas_suave[I].min()
picos[jj].append( (Base-val_pico)/Base )
print( (Base-val_pico)/Base , end="\t")
print('')
# ax.plot( picos[0] , compOven_vec , '.')
# ax.plot( picos[1] , compOven_vec , 'o' )
profundidad_mean = [ np.array(np.array(picos[0])[compOven_vec==val].tolist()+np.array(picos[1])[compOven_vec==val].tolist()).mean() for val in np.unique(compOven_vec) ]
profundidad_dev = [ np.array(np.array(picos[0])[compOven_vec==val].tolist()+np.array(picos[1])[compOven_vec==val].tolist()).std() for val in np.unique(compOven_vec) ]
compOven_uniq = np.unique(compOven_vec)
ax.plot( profundidad_mean , compOven_uniq , 'o-', color='black' , alpha=1 )
ax.errorbar( profundidad_mean , compOven_uniq , xerr=profundidad_dev , color='black' ,capsize=3)
axx[0].set_ylabel('Voltaje electrodo (V)', fontsize=10)
axx[0].set_xlabel('Desintonía IR1 (MHz)',fontsize=10)
# for ax in axx:
# ax.grid(b=True,linestyle=':',color='lightgray')
# fig.savefig("config+2-2_colineal_ion_al_costado_compOven.png")
plt.savefig('C://Users//nicon//Nextcloud//Nico//Doctorado//Tesis//Tesis_doctorado//Chapters//figures//Cap8//fig3a.pdf')
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
#%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
#%% Configuracion +2/-2 colineales, ion arriba del haz dcA version INSPECCIÓN
from scipy.signal import savgol_filter as savgol
# Grafico con subplots
fig,axx = plt.subplots(1,2,figsize=(12,8), constrained_layout=True , sharey=True )
fig.set_constrained_layout_pads(w_pad=1/72, h_pad=0, hspace=0, wspace=0)
rango_dr1 = np.array([435,437])
rango_dr2 = np.array([443,445])
I_base_fit = np.arange(0,50).tolist()+np.arange(230,280).tolist()+np.arange(450,459).tolist()
I_base_fit = np.array(I_base_fit)
ax = axx[0]
# plt.figure()
# ax = plt.gca()
NORMALIZADO = True
rango_dr1 = np.array([435,437])
rango_dr2 = np.array([443,445])
picos = {0:[], 1:[]}
dcA_vec = []
for data in sorted([ h5py.File(DataFile, 'r') for DataFile in DATAFILES_arriba_dcA ],key=lambda x: np.array(x['datasets']['initialvoltage_dcA']) ):
frecuencia = np.array(data['datasets']['IR1_Frequencies'])*2e-6
voltages = np.array(data['datasets']['scanning_voltages'])
for kk, dcA in enumerate( voltages ):
# cuentas = np.array(data['datasets']['data_array'])
cuentas = np.array(data['datasets']['data_array']).reshape(len(voltages),-1)[kk][0:len(frecuencia)]
amplitudes = np.array(data['datasets']['IR1_Amplitudes'])
# dcA = np.array(data['datasets']['initialvoltage_dcA'])
dcA_vec.append( dcA.tolist() )
frecuencia,cuentas = clean_jumps_below(frecuencia,cuentas, 320)
cuentas_suave = savgol(cuentas,13,2)
I_base_fit = np.arange(len(frecuencia))[:50].tolist()
I_base_fit += np.arange(len(frecuencia))[(frecuencia>=439)&(frecuencia<=442)].tolist()
# I_base_fit += np.arange(len(frecuencia))[(frecuencia>=500)&(frecuencia<=442)].tolist()
I_base_fit = np.array(I_base_fit)
mm = np.polyfit(frecuencia[I_base_fit], cuentas[I_base_fit],1)
base = np.polyval(mm,frecuencia)
CURVA = (cuentas/base-1)/5 + dcA
CURVA_SUAVE = (cuentas_suave/base-1)/5+ dcA
ax.plot(frecuencia,CURVA , '.', alpha=0.1)
ax.plot(frecuencia,CURVA_SUAVE, '-', alpha=0.9, color=ax.get_lines()[-1].get_color())
for jj,rango in enumerate([rango_dr1,rango_dr2]):
I = np.arange(len(frecuencia))[(frecuencia>rango.min())&(frecuencia<rango.max())]
idx = cuentas_suave[I].argmin() + I[0]
ax.plot(frecuencia[idx],(cuentas_suave[idx]/base[idx]-1)/5+dcA, 'o', ms=6, color=ax.get_lines()[-1].get_color(),zorder=10)
Base = np.polyval(mm,rango.mean())
val_pico = cuentas_suave[I].min()
picos[jj].append( (Base-val_pico)/Base )
print( (Base-val_pico)/Base , end="\t")
print('')
# ax.plot(frecuencia,cuentas , label=dcA)
# plt.pause(2)
# plt.cla()
# ax.plot(cuentas , label=dcA)
# plt.plot(frecuencia,amplitudes )
ax.legend()
ax = axx[1]
ax.plot( picos[0] , dcA_vec , '.')
ax.plot( picos[1] , dcA_vec , 'o' )
profundidad_mean = [ np.array(np.array(picos[0])[dcA_vec==val].tolist()+np.array(picos[1])[dcA_vec==val].tolist()).mean() for val in np.unique(dcA_vec) ]
profundidad_dev = [ np.array(np.array(picos[0])[dcA_vec==val].tolist()+np.array(picos[1])[dcA_vec==val].tolist()).std() for val in np.unique(dcA_vec) ]
dcA_uniq = np.unique(dcA_vec)
ax.plot( profundidad_mean , dcA_uniq , 'o-', color='gray' , alpha=0.5 )
ax.errorbar( profundidad_mean , dcA_uniq , xerr=profundidad_dev , color='gray' ,capsize=5)
ax.set_xlabel('Profundidad')
axx[0].set_ylabel('dcA [mV]')
axx[0].set_xlabel('frecuencia [kHz]')
for ax in axx:
ax.grid(b=True,linestyle=':',color='lightgray')
ax.set_xlim( 0, ax.get_xlim()[1] )
fig.suptitle("Configuracion +2/-2 colineales, ion arriba del haz dcA")
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
#%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
#%% Configuracion +2/-2 colineales, ion arriba del haz compOVEN version INSPECCIÓN
from scipy.signal import savgol_filter as savgol
# Grafico con subplots
fig,axx = plt.subplots(1,2,figsize=(12,8), constrained_layout=True , sharey=True )
fig.set_constrained_layout_pads(w_pad=1/72, h_pad=0, hspace=0, wspace=0)
rango_dr1 = np.array([435,437])
rango_dr2 = np.array([443,445])
I_base_fit = np.arange(0,50).tolist()+np.arange(230,280).tolist()+np.arange(450,459).tolist()
I_base_fit = np.array(I_base_fit)
ax = axx[0]
# plt.figure()
# ax = plt.gca()
NORMALIZADO = True
rango_dr1 = np.array([435,437])
rango_dr2 = np.array([443,445])
picos = {0:[], 1:[]}
dcA_vec = []
for data in sorted([ h5py.File(DataFile, 'r') for DataFile in DATAFILES_arriba_compOVEN ],key=lambda x: np.array(x['datasets']['initialvoltage_dcA']) ):
frecuencia = np.array(data['datasets']['IR1_Frequencies'])*2e-6
voltages = np.array(data['datasets']['scanning_voltages'])
for kk, dcA in enumerate( voltages ):
# cuentas = np.array(data['datasets']['data_array'])
cuentas = np.array(data['datasets']['data_array']).reshape(len(voltages),-1)[kk][0:len(frecuencia)]
amplitudes = np.array(data['datasets']['IR1_Amplitudes'])
# dcA = np.array(data['datasets']['initialvoltage_dcA'])
dcA_vec.append( dcA.tolist() )
frecuencia,cuentas = clean_jumps_below(frecuencia,cuentas, 320)
cuentas_suave = savgol(cuentas,13,2)
I_base_fit = np.arange(len(frecuencia))[:50].tolist()
I_base_fit += np.arange(len(frecuencia))[(frecuencia>=439)&(frecuencia<=442)].tolist()
# I_base_fit += np.arange(len(frecuencia))[(frecuencia>=500)&(frecuencia<=442)].tolist()
I_base_fit = np.array(I_base_fit)
mm = np.polyfit(frecuencia[I_base_fit], cuentas[I_base_fit],1)
base = np.polyval(mm,frecuencia)
CURVA = (cuentas/base-1)/5 + dcA
CURVA_SUAVE = (cuentas_suave/base-1)/5+ dcA
ax.plot(frecuencia,CURVA , '.', alpha=0.1)
ax.plot(frecuencia,CURVA_SUAVE, '-', alpha=0.9, color=ax.get_lines()[-1].get_color())
for jj,rango in enumerate([rango_dr1,rango_dr2]):
I = np.arange(len(frecuencia))[(frecuencia>rango.min())&(frecuencia<rango.max())]
idx = cuentas_suave[I].argmin() + I[0]
ax.plot(frecuencia[idx],(cuentas_suave[idx]/base[idx]-1)/5+dcA, 'o', ms=6, color=ax.get_lines()[-1].get_color(),zorder=10)
Base = np.polyval(mm,rango.mean())
val_pico = cuentas_suave[I].min()
picos[jj].append( (Base-val_pico)/Base )
print( (Base-val_pico)/Base , end="\t")
print('')
# ax.plot(frecuencia,cuentas , label=dcA)
# plt.pause(2)
# plt.cla()
# ax.plot(cuentas , label=dcA)
# plt.plot(frecuencia,amplitudes )
ax.legend()
ax = axx[1]
ax.plot( picos[0] , dcA_vec , '.-')
ax.plot( picos[1] , dcA_vec , 'o-' )
profundidad_mean = [ np.array(np.array(picos[0])[dcA_vec==val].tolist()+np.array(picos[1])[dcA_vec==val].tolist()).mean() for val in np.unique(dcA_vec) ]
profundidad_dev = [ np.array(np.array(picos[0])[dcA_vec==val].tolist()+np.array(picos[1])[dcA_vec==val].tolist()).std() for val in np.unique(dcA_vec) ]
dcA_uniq = np.unique(dcA_vec)
# ax.plot( profundidad_mean , dcA_uniq , 'o-', color='gray' , alpha=0.5 )
# ax.errorbar( profundidad_mean , dcA_uniq , xerr=profundidad_dev , color='gray' ,capsize=5)
ax.set_xlabel('Profundidad')
axx[0].set_ylabel('compOven [V]')
axx[0].set_xlabel('frecuencia [kHz]')
for ax in axx:
ax.grid(b=True,linestyle=':',color='lightgray')
ax.set_xlim( 0, ax.get_xlim()[1] )
fig.suptitle("Configuracion +2/-2 colineales, ion arriba del haz compOven")
fig.savefig("config+2-2_colineal_ion_ariba_compOven.png")