yonder: A python package for data denoising and reconstruction
我们提出了一个独立的实现的数据反卷积方法的基础上奇异值分解。该工具是用python编写的，并打包在开源的yonder包中。Yonder接收两个矩阵作为输入，一个用于数据，另一个用于误差，并输出原始数据集的去噪版本。在本研究报告中，我们简要描述了方法，并在模拟数据集上展示了yonder的演示。
2022-03-09 astro-ph.IM
New Interferometric Testing Utility (NITU) : A Python Package for Interferometric Data Analysis and Visualization
本研究推出新开发的Python包New Interferometric Testing Utility (NITU)，可实现干涉数据的分析与可视化，提供泽尼克分解、交互式可视化等功能，支持光学制造与测试工作。
2024-10-17 astro-ph.IM
PyMUSE: a Python package for VLT/MUSE data
这是PyMUSE python包的配套Focus Demonstration文章，演示了它在VLT/MUSE数据分析中的用法和实用程序，其中包括光谱提取的各种选项，创建不同类型的图像，与一些常用的天文数据分析软件的兼容性等。PyMUSE是一个开源软件，可以在Github上找到，供免费使用和分发。
2018-03-16 astro-ph.IM
PySAP: Python Sparse Data Analysis Package for Multidisciplinary Image Processing
我们提出了开源的图像处理软件包PySAP（Python稀疏数据分析包）开发的压缩传感磁共振成像和宇宙学（COSMIC）项目。该软件包提供了一套灵活的工具，可应用于各种研究领域的各种压缩传感和图像重建问题。特别是，PySAP提供快速小波变换和一系列集成优化算法。在本文中，我们介绍了PySAP中可用的功能，并提供了有关天体物理和磁共振成像数据的实际演示。
2020-07-02 astro-ph.IM
pocoMC: A Python package for accelerated Bayesian inference in astronomy and cosmology
pocoMC是一个Python包，用于加速天文学和宇宙学中的贝叶斯推断。该代码被设计为从具有非平凡几何形状的后验分布中有效地采样，包括强多模态和非线性。为此，pocoMC依赖于预处理蒙特卡罗算法，该算法利用归一化流来解相关后验参数。它有利于参数估计和模型比较的任务，特别是在计算昂贵的应用程序的重点。它允许在Python中拟合定义为对数似然函数和对数先验概率密度函数的任意模型。与流行的替代方案（如嵌套采样）相比，pocoMC可以加快采样过程的数量级，大大降低计算成本。最后，计算集群的并行化体现了线性缩放。
2022-07-12 astro-ph.CO astro-ph.IM physics.comp-ph
AnisoCADO: a python package for analytically generating adaptive optics point spread functions for the Extremely Large Telescope
AnisoCADO是一个Python软件包，用于为欧洲极大望远镜（ELT）生成点扩散函数（PSF）的图像。该代码允许用户设置许多最重要的大气和观测参数，这些参数会影响所得到的PSF的形状和斯特雷尔比，包括但不限于：大气湍流廓线、单共轭自适应光学（SCAO）解决方案的引导星位置、差分望远镜光瞳透射率等。https://anisocado.readthedocs.io/en/latest/
2020-06-30 astro-ph.IM
MPDAF - A Python package for the analysis of VLT/MUSE data
MUSE（多单元光谱探测器）是安装在智利甚大望远镜（VLT）上的积分场光谱仪，自2014年10月起向欧洲共同体提供。里昂天体物理学研究中心开发了一个专用软件，帮助MUSE用户分析减少的数据。在本文中，我们介绍了MPENDIX，MUSE Python数据分析框架，基于几个著名的Python库（Numpy，Scipy，Matplotlib，Astropy），它提供了新的工具来操作特定于muse的数据。我们提供了不同的示例，展示此Python包如何用于MUSE数据分析。
2017-10-10 astro-ph.IM
galmask: A Python package for unsupervised galaxy masking
星系形态分类是星系形成和演化研究的一个基本方面。已经开发了各种机器学习工具，用于大规模调查的自动管道分析，从而能够快速搜索感兴趣的对象。然而，图像中的拥挤区域可能会带来挑战，因为它们可能导致学习算法中的偏差。在本研究报告中，我们介绍了galmask，这是一个用于无监督星系掩蔽的开源软件包，用于隔离图像中感兴趣的中心对象。galmask是用Python编写的，可以通过pip命令从PyPI安装。
2022-06-12 astro-ph.IM
Fruitbat: A Python Package for Estimating Redshifts of Fast Radio Bursts
Fruitbat是一个开源的Python 2/3包，用于估计快速射电暴（FRB）的红移，能量和星系色散测量贡献。Fruitbat将各种色散测量（DM）和红移关系与YMW 16星系色散测量模型结合到一个易于使用的API中。
2019-05-10 astro-ph.HE astro-ph.IM
PyMsOfa: A Python Package for the Standards of Fundamental Astronomy (SOFA) Service
PyMsOfa是一个Python包，通过ctypes、cffi和纯Python三种方式完整实现SOFA服务的247个函数，与原始测试一致，适用于CHES任务及黑洞、暗物质等天体测量领域。
2023-10-17 astro-ph.EP astro-ph.GA astro-ph.IM
pyEQUIB Python Package, an addendum to proEQUIB: IDL Library for Plasma Diagnostics and Abundance Analysis
pyEQUIB 是一个纯 Python 开源软件包，将 IDL 库 proEQUIB 移植到 Python 并与 AtomNeb 耦合，为天文学家提供等离子体诊断、丰度分析和消光分析的 API 函数。
2024-10-17 astro-ph.GA astro-ph.IM astro-ph.SR
Fermipy: An open-source Python package for analysis of Fermi-LAT Data
Fermipy是一个开源的Python框架，用于分析费米大面积望远镜（LAT）收集的数据。费米皮是建立在费米科学工具，公开提供的软件套件由美国宇航局的LAT任务。Fermipy提供了一个高级界面，以简单和可重复的方式分析LAT数据。目前的特征集包括用于提取光谱能量分布和光变曲线、生成测试统计图、寻找新的候选源以及拟合源位置和延伸的方法。Fermipy利用了其他科学Python包的功能，包括NumPy，SciPy，Matplotlib和Astropy，并按照开源开发模型组织为社区开发的包。我们回顾了Fermipy的当前功能，并计划未来的发展。
2017-07-29 astro-ph.IM
celmech: A Python package for celestial mechanics
我们介绍celmech，一个开源Python包，旨在促进各种天体力学计算。该软件包允许用户制定和整合运动方程，将用户指定的条款，从经典的扰动函数扩展的相互作用潜力对行星之间。例如，该代码可以应用于隔离特定共振对系统动态演化的贡献，并开发简单的分析模型，所需的最少数量的术语来捕获特定的动态现象。通过利用sympy Python包的广泛的符号数学功能，可以轻松地操作方程和表达式。celmech软件包被设计为与流行的$N$ -体代码REBOUND无缝接口，以便于计算结果和直接$N$ -体集成之间的比较。该代码被广泛记录，并且在线提供了许多说明其使用的示例Applyter笔记本。
2022-05-20 astro-ph.EP astro-ph.IM
CONAN: A Python package for modeling lightcurve and radial velocity data of exoplanetary systems
本文介绍开源Python软件包CONAN，通过统一贝叶斯框架同时分析凌星、掩星、相位曲线和视向速度等多类数据，并支持多种去趋势模型，以获取系外行星系统的全局参数。
2025-08-27 astro-ph.EP astro-ph.IM
argosim: a Python package for radio interferometric simulations
Université Paris-Saclay, Université Paris Cité, CEA, CNRS, AIM（巴黎萨克雷大学，巴黎西岱大学，法国原子能和替代能源委员会，法国国家科学研究中心，天体物理学与仪器方法实验室）；Institutes of Computer Science and Astrophysics, Foundation for Research and Technology Hellas (FORTH)（计算机科学与天体物理研究所，希腊研究与技术基金会）；Max-Planck-Institut für Radioastronomie（马克斯·普朗克射电天文研究所）
本文介绍argosim，一个基于JAX的模块化、轻量级射电干涉观测模拟Python包，支持全微分和加速计算，从天线位置到清洁图像的全流程模拟。
2026-06-25 astro-ph.IM
HSTCosmicrays: A Python Package for Analyzing Cosmic Rays in HST Calibration Data
HSTCosmicrays是一个基于Python的管道，旨在寻找和表征在暗帧（快门关闭时拍摄的曝光）中发现的宇宙射线。哈勃太空望远镜（HST）的所有仪器都定期获得暗曝光，以进行校准。主处理管道在本地或AWS上的云中运行。到目前为止，我们已经表征了超过12亿宇宙射线在约76，000个暗帧中的特征，这些暗帧是用来自四个有源仪器ACS/HRC、ACS/WFC、STIS、WFC 3/UVIS和传统仪器WFPC 2的CCD获得的。
2020-11-23 astro-ph.IM
OrbDot: A Python package for studying the secular evolution of exoplanet orbits
本研究推出Python包OrbDot，采用嵌套采样算法拟合系外行星轨道演化的多类观测数据，还提供结果解读、模型比较报告生成等工具，助力系外行星轨道长期演化研究。
2025-09-03 astro-ph.EP astro-ph.IM
AOtools -- a Python package for adaptive optics modelling and analysis
AOtools是一个开源的Python软件包，旨在为自适应光学用户和研究人员提供工具。我们目前的版本1.0，其中包含自适应光学处理的工具，包括分析数据的光瞳平面，图像和点扩散函数的焦平面，波前传感器，大气湍流的建模，物理光学波阵面的传播，以及经常使用的自适应光学和天文单位之间的转换。AOtools背后的主要驱动因素是它应该易于安装和使用。为了实现这一目标，该项目具有广泛的文档，自动化单元测试，并在Python包索引上注册。AOtools正在不断积极开发，以扩展可用的功能，我们鼓励参与自适应光学的每个人都参与并为该项目做出贡献。
2019-10-10 astro-ph.IM physics.data-an
Paicos: A Python package for analysis of (cosmological) simulations performed with Arepo
Paicos是一个面向对象的Python包，旨在降低分析Arepo宇宙学模拟的学习曲线，提供自动单位处理、导出变量计算、多维可视化及便捷数据存取等功能。
2024-04-22 astro-ph.IM
pschitt! - A Python package for the modelling of atmoSpheric Showers and CHerenkov Imaging Terrestrial Telescopes
通过蒙特卡罗方法模拟大气簇射及其在成像大气切伦科夫望远镜（IACT）上的投影是一个耗时且计算量很大的过程。从物理学的角度来看，这些模拟是最先进的，它们不适合简单的测试。在这里，我们提出了一个Python包开发，以模拟大气阵雨使用不同的配置文件，并与IACT的数组来成像。这允许初级光子能量和角度方向对立体图像的影响的一阶研究。它的简单性也使它便于公众传播和推广以及教学目的。这个包的开发是为了充分利用Python的简单性，但也针对快速计算进行了优化。它是在ASTERICS H2020项目的框架内开发的，因此可以作为开源软件使用。
2017-09-14 astro-ph.IM
GriSPy: A Python package for Fixed-Radius Nearest Neighbors Search
我们提出了一种新的规则网格搜索算法，用于快速固定半径最近邻查找。该模块索引规则网格中的一组k维点，具有可选的周期性条件，为最近邻查询提供了一种快速方法。在第一部分中，我们提供了三种类型的查询：$bubble$、$shell$和$nth-nearest$ ;以及天文学中感兴趣的三种不同度量：$euclidean$和不同精度的球坐标中的两个距离函数，$haversine$和$Vincenty$ ;以及提供自定义距离函数的可能性。这个软件包的结果特别有用的大型数据集，其中蛮力搜索变得不切实际。
2020-12-23 astro-ph.IM
Teareduce: a Python package with utilities for teaching reduction techniques in Astronomy
Universidad Complutense de Madrid（马德里康普顿斯大学）；Instituto de Física de Cantabria, CSIC-Universidad de Cantabria（坎塔布里亚物理研究所，西班牙国家研究委员会-坎塔布里亚大学）
Teareduce是一个用于教学天文学数据还原技术的Python工具包，提供公开代码和教学资源。
2026-01-28 astro-ph.IM
The Dusty Evolved Star Kit (DESK): A Python package for fitting the Spectral Energy Distribution of Evolved Stars
我们可以了解尘埃恒星周围的环境以及它们为宇宙贡献了多少物质的少数方法之一是通过不同波长的模型拟合它们的亮度，这些模型解释了能量如何通过尘埃传递。DESK是一个Python包，旨在比较不同恒星样本和模型网格的最佳拟合，以便更好地理解结果及其不确定性。该软件包适合光谱能量分布（SED）的演变恒星，使用测光或光谱，网格的辐射转移模型使用最小二乘法。该软件包包括新创建的网格使用各种不同的灰尘物种，和国家的最先进的灰尘增长网格。考虑到詹姆斯·韦伯太空望远镜（JWST）提供的大量红外数据，一种用于测试不同模型网格的可靠方法将尤为重要。
2020-10-05 astro-ph.IM astro-ph.SR
denmarf: a Python package for density estimation using masked autoregressive flow
denmarf是一个Python包，提供类似scikit-learn的接口，利用掩蔽自回归流（MAF）和归一化流技术，支持在CPU或GPU上轻松进行非参数密度估计和新样本生成，并包含逻辑变换以支持有界分布拟合。
2023-05-22 astro-ph.IM
popclass: a python package for classifying microlensing events
popclass 是一个 Python 软件包，通过将微引力透镜信号特征与银河系模拟匹配，以概率框架计算透镜体类型概率，并提供推断库接口、预加载模型、绘图及不确定性量化功能。
2024-10-17 astro-ph.IM astro-ph.SR
Mocking the Weak Lensing universe: the LensTools python computing package
我们提出了一个新开发的软件包，它实现了广泛的例程经常用于弱引力透镜（WL）。随着WL科学界规模的不断扩大，我们认为易于使用的应用程序接口（API）用于常见计算是确保不同工作组之间效率和协调的必要条件。结合现有的开源代码，如CAMB和Gadget 2，LensTools汇集了一个宇宙剪切模拟管道，辅以各种WL特征测量工具和参数采样例程，为WL的理论研究和实验预测提供了方便的数值。LensTools在python中实现，充分利用了由大型且不断增长的开源软件社区（scipy，pandas，astropy，scikit-learn，emcee）开发的一系列最先进的技术。我们在Python包索引中提供了LensTools代码，并在http://lenstools.readthedocs.io上发布了其文档
2016-11-17 astro-ph.CO astro-ph.IM
VoigtFit: A Python package for Voigt profile fitting
我提出了一个Python软件包，用于将Voigt轮廓拟合到吸收线。该软件同时适用于各种原子线的多个组件，允许参数绑定和固定。此外，该代码能够自动拟合多项式连续模型与线轮廓。最后，一个物理模型可以很容易地用来约束热和湍流加宽的吸收线，以及实施分子激发模型。该代码可以与交互式功能一起运行，例如手动连续体放置在每条线周围，手动屏蔽不需要的拟合区域，以及交互式定义各种元素的速度分量。这大大提高了估计初始猜测的容易程度。由于代码是用纯Python编写的，因此可以很容易地编写和修改它以满足用户的需求。代码使用$χ^2$最小化方法来找到最佳解决方案。代码和一组测试数据以及完整的文档可以在GitHub上找到。
2018-03-03 astro-ph.IM
DustRover: A Python Package for Modelling Dust Extinction Curves (Phase I)
Astrophysics and Space Technologies Research Centre, Macquarie University（天体物理学与空间技术中心，麦考瑞大学）；School of Mathematical and Physical Sciences, Macquarie University（数学与物理科学学院，麦考瑞大学）
DustRover是一个开源Python包，通过统一框架整合多波段数据，利用MCMC拟合尘埃消光曲线，具有模块化架构和用户友好的可视化功能。
2026-09-09 astro-ph.GA astro-ph.IM
ShowerModel: A Python package for modelling cosmic-rayshowers, their light production and their detection
宇宙线观测站必须依靠蒙特卡罗模拟进行设计、校准和数据分析。详细的模拟在计算上要求很高。我们提出了一个名为ShowerModel的基于Python的软件包，用于模拟宇宙射线簇射、它们的光产生以及一系列望远镜的检测。它是基于参数化的切伦科夫和宇宙射线诱导的空气簇射的荧光发射。该软件包允许模拟荧光望远镜，成像空气切伦科夫望远镜，广角切伦科夫探测器或任何混合设计。ShowerModel被认为是一种加速计算的工具，不需要完全模拟，或者可以补充复杂的蒙特卡罗研究和数据分析（例如，作为交叉检查）。它也可以用于教育目的。
2021-02-28 astro-ph.HE astro-ph.IM
Catwoman: A transit modelling Python package for asymmetric light curves
当系外行星从其恒星前面经过时，它们会在恒星的光变曲线上留下凌日的印记，而到目前为止，恒星的光变曲线一直被认为是时间对称的，因为行星被模拟为一个圆形区域遮住恒星表面。然而，由于凌日行星的不同终结者区域的温度/压力和/或化学成分不同，这种特征可能是不对称的。catwoman是一个Python软件包，允许对这些不对称的凌日光变曲线进行建模，计算任何径向对称恒星临边暗化规律的光变曲线，其中行星被建模为两个半径不同的半圆，使用arXiv：1507.08285中开发的积分算法，并在catwoman构建的蝙蝠侠库中实现。
2021-06-29 astro-ph.EP astro-ph.IM
AtomNeb: IDL Library and Python Package for Atomic Data of Ionized Nebulae
本文介绍AtomNeb数据库及其IDL库和Python包，用于存储电离星云碰撞激发线与复合线的原子数据，并结合proEQUIB/pyEQUIB实现等离子体诊断与丰度分析。
2024-11-23 astro-ph.GA astro-ph.IM astro-ph.SR
ArtPop: A Stellar Population and Image Simulation Python Package
我们提出了人工恒星星族（ArtPop），一个开源的Python软件包，用于合成恒星星族和生成完全填充恒星系统的人工图像。该代码的设计是直观的使用和尽可能模块化，使其能够单独或一起使用其每个功能。ArtPop具有广泛的科学和教学用例，包括测量当前和未来成像调查中的探测效率，计算综合恒星星族参数，定量比较等时线模型，以及开发和验证天文图像处理算法。在本文中，我们给出了一个概述的ArtPop包，提供简单的编码示例来演示其实现，并从一些潜在的应用程序的代码目前的结果。我们提供了到创建本文中每个示例和图的源代码的链接。ArtPop正在积极开发中，我们欢迎来自社区的错误报告，功能请求和代码贡献。
2021-09-28 astro-ph.GA astro-ph.IM
SOAP: A Python Package for Calculating the Properties of Galaxies and Halos Formed in Cosmological Simulations
本研究推出Python包SOAP，可基于子晕查找器后处理的SWIFT模拟，通过mpi4py并行计算暗晕与星系性质，支持多种暗晕定义与两类模拟，输出兼容swiftsimio的HDF5星表。
2025-07-30 astro-ph.CO astro-ph.GA astro-ph.IM
PyUnfold: A Python Package for Iterative Unfolding
PyUnfold是一个Python软件包，用于将测量过程的不完善性纳入数据分析管道。在一个理想的世界里，我们可以使用完美的检测器：一种在测量所需量时不会出错的仪器。然而，在现实生活中，检测器具有有限的分辨率，无法消除的特征偏差，低于完全检测效率，以及统计和系统的不确定性。通过构建将期望的真实量的检测器的拖尾编码到测量的可观测量中的矩阵，可以执行提供真实变量的估计的去卷积。这个去卷积过程被称为展开。在PyUnfold中实现的展开方法通过迭代过程完成这种反卷积，提供基于所需数量的物理预期的结果。此外，统计和系统误差的繁琐簿记产生精确的最终不确定性估计。
2018-06-08 astro-ph.IM hep-ex physics.data-an
