Merge branch 'master' of https://code.df.uba.ar/nnunez/artiq_experiments

analisis/plots/20230815_RotationalDopplerShift_v3/RDS_location2_lolo.py

+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=(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])
+
+
+
+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(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+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.legend()
+
+
+
+ax = axx[1]
+
+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='gray' , alpha=0.5 )
+ax.errorbar(  profundidad_mean , compOven_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 al costado del haz  compOven")
+
+# fig.savefig("config+2-2_colineal_ion_al_costado_compOven.png")
+
+
+
+
+#%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
+#%% 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")
+
+fig.savefig("config+2-2_colineal_ion_ariba_dcA.png")
+
+
+
+#%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
+#%% 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")
+
+
+
+