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
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
from scipy.signal import savgol_filter as savgol
#%% 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-*/*/*.h5'))
""" Bitácora Nico:
Configuracion +2/+2 descompensando:
Ubicación lateral
DCA: 14506, 14507, 14508
CompOVEN: 14509, 14510, 14511, 14512
Ubicación superior:
DCA: 14513, 14514, 14515
CompOVEN: 14516, 14517, 14518, 14519
Configuración Gaussianos:
DCA: 14557, 14558. 14559
CompOVEN: 14560, 14561, 14562, 14563, 14564
"""
DATAFILES_costado_dcA = [ aa for aa in DATAFILES for jj in range(14506,14508+1) if f'{jj}' in aa ]
DATAFILES_costado_compOVEN = [ aa for aa in DATAFILES for jj in range(14509,14512+1) if f'{jj}' in aa ]
DATAFILES_arriba_dcA = [ aa for aa in DATAFILES for jj in range(14513,14515+1) if f'{jj}' in aa ]
DATAFILES_arriba_compOVEN = [ aa for aa in DATAFILES for jj in range(14516,14519+1) if f'{jj}' in aa ]
DATAFILES_gauss_dcA = [ aa for aa in DATAFILES for jj in range(14557,14559+1) if f'{jj}' in aa ]
DATAFILES_gauss_compOVEN = [ aa for aa in DATAFILES for jj in range(14560,14564+1) if f'{jj}' in aa ]
DATOS_COMPLETOS = []
DATOS_COMPLETOS.append([DATAFILES_costado_dcA,'Configuracion +2/+2 colineales, ion al costado del haz barriendo dcA','conf_+2+2_lateral_dcA.png'])
DATOS_COMPLETOS.append([DATAFILES_costado_compOVEN,'Configuracion +2/+2 colineales, ion al costado del haz barriendo compOven','conf_+2+2_lateral_compOven.png'])
DATOS_COMPLETOS.append([DATAFILES_arriba_dcA,'Configuracion +2/+2 colineales, ion arriba del haz barriendo dcA','conf_+2+2_arriba_dcA.png'])
DATOS_COMPLETOS.append([DATAFILES_arriba_compOVEN,'Configuracion +2/+2 colineales, ion arriba del haz barriendo compOven','conf_+2+2_arriba_compOven.png'])
DATOS_COMPLETOS.append([DATAFILES_gauss_dcA,'Configuracion gaussiana colineales barriendo dcA','conf_gauss_dcA.png'])
DATOS_COMPLETOS.append([DATAFILES_gauss_compOVEN,'Configuracion gaussiana colineales barriendo compOven','conf_gauss_compOven.png'])
#%% inspect
# 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)
#%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
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
VECTOR_DE_DATOS, SUP_TITLE, FILENAME = DATO
# 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([443,446])
dcA_vec = []
for data in sorted([ h5py.File(DataFile, 'r') for DataFile in VECTOR_DE_DATOS ],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, 200)
#cuentas_suave = savgol(cuentas,13,4)
cuentas_suave = savgol(cuentas,7,4)
# cuentas_suave = cuentas
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,cov = np.polyfit(frecuencia[I_base_fit], cuentas[I_base_fit],1, cov=True)
base = np.polyval(mm,frecuencia)
CURVA = (cuentas/base-1)/FACTOR_ESCALA + dcA
CURVA_SUAVE = (cuentas_suave/base-1)/FACTOR_ESCALA+ 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)/FACTOR_ESCALA+dcA, 'o', ms=6, color=ax.get_lines()[-1].get_color(),zorder=10)
Base = np.polyval(mm,rango.mean())
Base_err = np.sqrt(np.sum(np.diag(cov)*np.array([frecuencia[idx]**2,1])))
picos[jj].append( (Base-val_pico)/Base )
# picos_err[jj].append( np.sqrt(cuentas[idx])/Base )
picos_err[jj].append( np.sqrt(cuentas[idx])/Base + cuentas[idx]*np.sqrt(cuentas[idx])/Base**2 )
print( (Base-val_pico)/Base , end="\t")
print('')
# break
# break
# plt.plot(frecuencia,cuentas , label=dcA)
# plt.plot(frecuencia,base , label=dcA)
# # cuentas_suave = savgol(cuentas,7,4)
# plt.plot(frecuencia,cuentas_suave )
# plt.pause(2)
# plt.cla()
# ax.plot(cuentas , label=dcA)
# plt.plot(frecuencia,amplitudes )
# ax.legend()
ax.axvline(rango_dr1.mean(), color='gray', zorder=-10, lw=3 , alpha=0.5)
ax.axvline(rango_dr2.mean(), color='gray', zorder=-10, lw=3, ls='--', alpha=0.5)
ax = axx[1]
ax.plot( picos[0] , dcA_vec , '.-' , color='gray')
for pico,pico_err,dcA_val in zip(picos[0],picos_err[0],dcA_vec):
# ax.plot( pico, dcA_val, '.' ,ms=7)
ax.errorbar( pico, dcA_val, xerr=pico_err, fmt='.' ,ms=7, capsize=4)
ax.set_prop_cycle(None)
ax.plot( picos[1] , dcA_vec , 'o--' , color='gray')
for pico,pico_err,dcA_val in zip(picos[1],picos_err[1],dcA_vec):
# ax.plot( pico, dcA_val, 'o' ,ms=7)
ax.errorbar( pico, dcA_val, xerr=pico_err, fmt='.' ,ms=7, capsize=4)
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.set_xlabel('Profundidad')
axx[0].set_ylabel(f'{SUP_TITLE.split()[-1]} [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(SUP_TITLE)
fig.savefig(f"{ii+1:02d}_{FILENAME}")
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
328
329
330
331
332
333
334
335
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
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
#%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
#%% CVersion AREA
FACTOR_ESCALA = 10
for ii,DATO in enumerate(DATOS_COMPLETOS):
VECTOR_DE_DATOS, SUP_TITLE, FILENAME = DATO
# 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([443,446])
picos = {0:[], 1:[]}
picos_err = {0:[], 1:[]}
dcA_vec = []
for data in sorted([ h5py.File(DataFile, 'r') for DataFile in VECTOR_DE_DATOS ],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, 200)
cuentas_suave = savgol(cuentas,13,4)
# cuentas_suave = cuentas
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,cov = np.polyfit(frecuencia[I_base_fit], cuentas[I_base_fit],1, cov=True)
base = np.polyval(mm,frecuencia)
CURVA = (cuentas/base-1)/FACTOR_ESCALA + dcA
CURVA_SUAVE = (cuentas_suave/base-1)/FACTOR_ESCALA+ 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)/FACTOR_ESCALA+dcA, 'o', ms=6, color=ax.get_lines()[-1].get_color(),zorder=10)
Base = np.polyval(mm,rango.mean())
Base_err = np.sqrt(np.sum(np.diag(cov)*np.array([frecuencia[idx]**2,1])))
val_pico = cuentas_suave[I].min()
picos[jj].append( (Base-val_pico)/Base )
# picos_err[jj].append( np.sqrt(cuentas[idx])/Base )
picos_err[jj].append( np.sqrt(cuentas[idx])/Base + cuentas[idx]*np.sqrt(cuentas[idx])/Base**2 )
print( (Base-val_pico)/Base , end="\t")
print('')
# break
# break
# ax.plot(frecuencia,cuentas , label=dcA)
# plt.pause(2)
# plt.cla()
# ax.plot(cuentas , label=dcA)
# plt.plot(frecuencia,amplitudes )
# ax.legend()
ax.axvline(rango_dr1.mean(), color='gray', zorder=-10, lw=3 , alpha=0.5)
ax.axvline(rango_dr2.mean(), color='gray', zorder=-10, lw=3, ls='--', alpha=0.5)
ax = axx[1]
dcA_vec = np.array(dcA_vec)
picos[0] = np.array(picos[0])
picos[1] = np.array(picos[1])
picos_err[0] = np.array(picos_err[0])
picos_err[1] = np.array(picos_err[1])
ax.fill_betweenx( dcA_vec, picos[0]+ picos_err[0],picos[0]- picos_err[0] , alpha=0.6)
ax.fill_betweenx( dcA_vec, picos[1]+ picos_err[1],picos[1]- picos_err[1] , alpha=0.6)
# for pico,pico_err,dcA_val in zip(picos[0],picos_err[0],dcA_vec):
# # ax.plot( pico, dcA_val, '.' ,ms=7)
# ax.errorbar( pico, dcA_val, xerr=pico_err, fmt='.' ,ms=7, capsize=4)
# ax.set_prop_cycle(None)
ax.plot( picos[0] , dcA_vec , '.-' , color='C0')
ax.plot( picos[1] , dcA_vec , 'o--' , color='C1')
# for pico,pico_err,dcA_val in zip(picos[1],picos_err[1],dcA_vec):
# # ax.plot( pico, dcA_val, 'o' ,ms=7)
# ax.errorbar( pico, dcA_val, xerr=pico_err, fmt='.' ,ms=7, capsize=4)
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.set_xlabel('Profundidad')
axx[0].set_ylabel(f'{SUP_TITLE.split()[-1]} [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(SUP_TITLE)