Etape 2: Traitement de données d’observation en astrophysique
Importer les données et librairies utiles
Dans une cellule d’un notebook, copier-coller les lignes suivantes:
import numpy as np
import pandas as pd
# Constantes solaires
Rsol = 6.9598e8 # rayon solaire en m
rhosol = 1408 # densite solaire kg/m3
Msol = 1.98855e30 # masses solaire en kg
# Mercure, Jupiter (SI)
V_merc = 47 # km/s
R_Jup = 71e6 # m
# Constantes terrestres
MEarth = 5.9736e24 # masses de la terre en kg
REarth = 6.371e6 # rayon de la terre en m
rhoEarth = 5514. # densité de la terre kg/m3
# Changements d'unité
onemasinrad = np.pi/180./3600000. # 1 mas in radian
kparsec = 3.08567758e19 # 1 kpc en m
parsec = 3.08567758e16 # 1 pc en m
# Constantes physiques
G = 6.67e-11 # m3 kg−1 s−2
UA = 149597870700 # m
Planète TOI 270-01
Utilisez le notebook pour placer les valeurs de delta et tau mesurées sur la courbe de transit
Pour la planète TOI 270-01 du système TOI 270, (valeurs à vérifier sur la courbe de transit):
# Données de l'etoile
R_star = Rsol * 0.37
M_star = Msol * 0.36
# Observables sur la courbe de transit
delta = 0.0044 # sans unité
tau = 4600 # s
Rayon planete a partir de delta
Rp=Rstar×√delta
La racine carrée est une fonction de la librairie numpy, avec numpy.sqrt
Le résultat du calcul peut nécessiter l’écriture d’un format particulier pour faciliter la lecture:
Utilisez le notebook pour calculer le rayon de la planète observée:
## Calcul du rayon planétaire
Rp = np.sqrt(delta) * R_star
print("Rp = {:.3e} m.".format(Rp))
print("Rp = {:5.3f} REarth.".format(Rp/REarth))
# ---- affichage console --- #
Rp = 1.708e+07 m.
Rp = 2.681 REarth.
Vitesse exoplanète Vp
Vp=2×Rstarτ
On peut vérifier que l’on obtient:
# ---- affichage console --- #
Vp = 1.120e+05 m/s.
Vp = 2382.170 V_merc.
Rayon orbite planete
r=G×MstarV2p
Periode revolution
T=2π×rVp
Format numérique:
Une fois que l’on obtient T, en secondes, il peut être utile de représenter cette valeur en jours, heures, min, s:
jours = T//(3600*24)
h = (T-jours*24*3600)//3600
m = (T-jours*24*3600-h*3600)//60
s = T-jours*24*3600-h*3600-m*60
print("{:3.0f} j, {:3.0f} h, {:3.0f} min {:3.2f} s".format(jours,h,m,s))
# ---- affichage console --- #
2 j, 11 h, 22 min 43.12 s
Faire ces mêmes calculs pour chaque planète observable.
Synthèse des résultats: fichier csv
Les fichiers csv sont interopérables: on peut les editer avec un editeur de texte, ou un tableur. On peut les importer facilement pour un traitement en langage python.
Utiliser un tableur
- Les courbes de transit ont permis de mesurer les valeurs de profondeur de transit δ et de durée de transit τ.
- Ces valeurs seront reportées dans un fichier csv avec les autres informations sur les planètes et leur étoile. Utiliser un tableur. Attention à bien utiliser des points comme séparateur décimal.
tableau rempli à l'aide d'un tableur
- Exporter (ou enregistrer) en format csv.
On peut vérifier en ouvrant le fichier csv que les données sont mises dans un format particulier (séparation à l’aide d’un point virgule…)
fichier csv
Import dans le notebook python
- L’import avec la librairie pandas se fait de la manière suivante: (rien de plus simple)
df = pd.read_csv('exoplanetes.csv',sep=';')
df
Suite
La suite (étape 3) va demander un apprentissage d’une nouvelle structure de données: le dataframe. Cela représente plusieurs avantages:
- la visualisation des données en table dans un notebook python,
- la manipulation des données (creation de nouvelles colonnes calculées, projection, selection, …) qui est similaire au travail déjà vu sur les tables (SQL). Le langage diffère, mais l’esprit est le même.
- L’utilisation des librairies de traitement de données est facilitée (seaborn, …)
