LIGO 用 Python 分析引力波数据
美国科学家11日宣布，他们去年9月首次探测到引力波。这一发现印证了物理学大师爱因斯坦100年前的预言。宣布这一发现的，是激光干涉引力波天文台（LIGO）的负责人。
这个机构诞生于上世纪90年代，进行引力波观测已经有近30年。那么观测到的引力波数据的量应该很大，科学家如何对这些数据进行分析？有没有用到Python编程语言？
答案是肯定的。笔者在Github上发现了一个专门用于分析引力波数据的Python包：GWPY。据维护者介绍，GWPY的代码来自LIGO和另一个名叫Virgo的机构，维护者将这两个机构科学家的Python代码整理，最终的产品就是GWPY这个用户友好的Python包。
在具体介绍GWPY之前，先给和笔者一样的小白简单科普一下引力波和LIGO的相关知识。
什么是引力波？
上图是两个黑洞所产生的引力波的3-D模拟图（NASA）。
首先，什么是引力波？在物理学上，引力波是爱因斯坦广义相对论所预言的一种以光速传播的时空波动，如同石头丢进水里产生的波纹一样，引力波被视为宇宙中的“时空涟漪”。通常引力波的产生非常困难，地球围绕太阳以每秒30千米的速度前进，发出的引力波功率仅为200瓦，还不如家用电饭煲功率大。宇宙中大质量天体的加速、碰撞和合并等事件才可以形成强大的引力波，但能产生这种较强引力波的波源距离地球都十分遥远，传播到地球时变得非常微弱。
下面分享两个优秀的视频，很好地解释了引力波及背后的原理。第一个来自LIGO，第二个则是比较通俗的漫画式讲解。
LIGO科学家的解释：
漫画式通俗解释：
LIGO是什么？
激光干涉引力波观测站LIGO是加州理工学院（Caltech）和麻省理工学院（MIT）的合作实验室，现在也有其他的大学参与。实验资金来源于美国国家科学基金会。LIGO是用来寻找宇宙中的引力波，从而可以验证黑洞的存在和检验广义相对论。
LIGO主要有两个观测点，位于路易斯安那Livingston Parish的LIGO Livingston观测点，和华盛顿 Hanford的LIGO Hanford观测点。除此之外，在加州Passadena 的Caltech校园中还有LIGO 40m Prototype 。
LIGO是如何探测引力波的？
GWPY：LIGO用它分析引力波数据？
接下来是本文的重头戏。我们一起来学习如何GWPY分析引力波数据。下面的介绍及示例均来自GWPY的官方文档。
安装
很简单，pip install gwpy就可以完成安装。
不过安装的过程可能会比较长，因为gwpy使用的依赖包比较多，包括numpy、 scipy、 cycler、matplotlib、astropy等。
面向对象编程
GWPY是一个面向对象编程的Python包，也就是说，数据对象是这个包的核心关注点。每一个数据对象都体现为一个类实例，包含了其属性和包含的数据。
如果想创建一个新的类实例，建议使用标准的构建器。举个例子，我们可以使用一个数据数组，生成一个TimeSeries对象：
>>> from gwpy.timeseries import TimeSeries>>> mydata = TimeSeries([1,2,3,4,5,6,7,8,9,10], sample_rate=1, epoch=0)
或者从在线数据服务器上下载：
>>> from gwpy.timeseries import TimeSeries>>> mydata = TimeSeries.fetch('H1:LDAS-STRAIN', 964656015, 964656615)
核心数据对象
据介绍，GWPY提供了4种核心数据对象，分别代表引力波探测器所产生的四种标准数据：
- TimeSeries（时间序列数据）
- Spectrum（光谱数据）
- Spectrogram（光谱图）
- DataQualityFlag
引力波数据可视化
我们知道，将引力波探测器收集的数据可视化，对于理解引力波的特性、研究引力波信号来说非常有帮助。gwpy.plotter模块中提供了一些plot类，可以直观地展示相应的数据类型。
GWPY的核心数据对象里，大部分都内置有一个plot()方法，可以让研究人员快速对某个数据集进行可视化展示。举个例子：
>>> from gwpy.timeseries import TimeSeries>>> data = TimeSeries.fetch('H1:LDAS-STRAIN', 968654552, 968654562)>>> plot = data.plot()>>> plot.show()
GWPY：利用公开的LIGO数据进行绘图
我们接下来利用LIGO公开的一些引力波时间序列数据进行绘图。我们可以直接在线加载这些数据。首先导入我们需要的模块：
>>> from urllib2 import urlopen>>> from numpy import asarray>>> from gwpy.timeseries import TimeSeries
然后，下载数据，保存为文本字符串：
>>> data = urlopen('http://www.ligo.org/science/GW100916/L-strain_hp30-968654552-10.txt').read()
现在，我们可以对文本进行解析，补充必要的元数据之后，就可以生成一个TimeSeries：
>>> ts = TimeSeries(asarray(data.splitlines(), dtype=float),>>> epoch=968654552, sample_rate=16384, unit='strain')
最后，我们就可以绘图了：
>>> plot = ts.plot()>>> plot.set_title('LIGO Livingston Observatory data for GW100916')>>> plot.set_ylabel('Gravitational-wave strain amplitude')>>> plot.show()
本文来自云栖社区合作伙伴“Linux中国”
原文发布时间为：2013-04-02.
