per ritrovare kapton

def main():

    # 1 Estract data from fits file and give this output file_dat

    file_dat = "areaEfficace.dat"

    file_dat = "areaEfficace.dat"     # è solo un file di testo che mi lista i dati, serve per scrivere rmf e arf, passarci sempre anche se non faccio rmf e arf

    data_estraction(file_dat)

    #2 Filter data

from noisy import add_noise_X, add_noise_S

def write_fits_dep(energy, theta, phi, type, en_dep_noisy, en_dep, name_id, pos_id):

def write_fits_dep(energy, en_primary, theta, phi, type, en_dep_noisy, en_dep, name_id, pos_id, x_pixel, y_pixel):  # ! è qui che decido quali informazioni sulla simulazione voglio nei file fits_dep

    # Write FITS file

    # "Null" primary array

    # Extension

    tbhdu = pyfits.BinTableHDU.from_columns([

        pyfits.Column(name='En_dep_Noise', format='1D', unit='keV', array = en_dep_noisy),

        pyfits.Column(name=name_id, format='1I', array = pos_id)

        #pyfits.Column(name='En_dep_Noise', format='1D', unit='keV', array = en_dep_noisy),

        pyfits.Column(name='En_Primary', format='1D', unit='keV', array = en_primary),

        #pyfits.Column(name='(X,Y)', format='2I', array = (x_pixel,y_pixel))       

        #pyfits.Column(name='En_dep', format='1D', unit='keV', array = en_dep)

        ])

    tbhdu.header['EXTNAME'] = 'EVENTS'

    tbhdu.header['TELESCOP'] = 'THESEUS'

    tbhdu.header['INSTRUME'] = 'XGIS'

    tbhdu.header['COMMENT'] = "Simulated energy deposits with noise"

    tbhdu.header['COMMENT'] = "Simulated GRB spectrum, Band funcition alpha1 = -1, alpha2 = -3, Ebreak = 100 "

    tbhdu.header['TUNIT1'] = "keV" 

    tbhdu.header['TYPE'] = type

    tbhdu.header['ENERGY'] = energy

    #tbhdu.header['ENERGY'] = energy

    tbhdu.header['THETA'] = theta

    tbhdu.header['PHI'] = phi

    tbhdu.header['COMMENT'] = "Alfonso Pisapia"

    if not os.path.exists(fits_dep_dir):

        os.makedirs(fits_dep_dir)

    file_name = f"{type}_en_dep_{energy:.1f}_{theta}_{phi}.fits"

    file_name = f"{type}_grb_{theta}_{phi}.fits"

    output_file = os.path.join(fits_dep_dir, file_name)

    hdulist.writeto(output_file, overwrite=True)

    return file_name

# Funzione che prende in input un singolo file FITS da processare.

def get_data(files):

    # Estrazione di energia, theta e phi dal nome del file

    theta = float(name_parts[2])

    phi = float(name_parts[3])

    # Apertura del file fits e lettura dei dati

    # Apertura del file fits e lettura dei dati                                        # ! in base alle info che voglio nel fits_dep qui devo richiamare le info

    with pyfits.open(files) as hdul:

        data = hdul[1].data

        tot_events = len(data)

        scint_id_col = data['Scint_ID']

        scint_id = scint_id_col[scint_id_col != -1000]

        energy = data['En_Primary'][0]

        en_primary = data['En_Primary']

        en_dep = data['En_dep']

        x_pixel = data['X_Pixel']

        y_pixel = data['Y_Pixel']

        X_en_dep = en_dep[scint_id_col == -1000]

        S_en_dep = en_dep[scint_id_col != -1000]

        eventi_X = (scint_id_col == -1000).sum()

        X_en_dep_noisy = [add_noise_X(X_dep) for X_dep in X_en_dep] # list comprehension di Python, una struttura compatta che consente di applicare una funzione a ciascun elemento di un array o di una lista, creando direttamente un nuovo array con i risultati.

        S_en_dep_noisy = [add_noise_S(S_dep) for S_dep in S_en_dep]

    return energy, ratio_X, ratio_S, theta, phi, X_en_dep_noisy, S_en_dep_noisy, X_en_dep, S_en_dep, pixel_id, scint_id

    return energy, en_primary, ratio_X, ratio_S, theta, phi, X_en_dep_noisy, S_en_dep_noisy, X_en_dep, S_en_dep, pixel_id, scint_id, x_pixel, y_pixel

# scrive sia il file di testo che i file fits

def write_results(file_dat, results):

    with open(file_dat, "w") as f:

        for energy, ratio_X, ratio_S, theta, phi, X_en_dep_noisy, S_en_dep_noisy, X_en_dep, S_en_dep, pixel_id, scint_id in results:

        for energy, en_primary, ratio_X, ratio_S, theta, phi, X_en_dep_noisy, S_en_dep_noisy, X_en_dep, S_en_dep, pixel_id, scint_id in results:

            X_fits = write_fits_dep(energy, theta, phi, 'X', X_en_dep_noisy, X_en_dep, 'Pixel_ID', pixel_id)

            S_fits = write_fits_dep(energy, theta, phi, 'S', S_en_dep_noisy, S_en_dep, 'Scint_ID', scint_id)

            X_fits = write_fits_dep(energy, en_primary, theta, phi, 'X', X_en_dep_noisy, X_en_dep, 'Pixel_ID', pixel_id)

            S_fits = write_fits_dep(energy, en_primary, theta, phi, 'S', S_en_dep_noisy, S_en_dep, 'Scint_ID', scint_id)

            f.write(f"{energy:.1f}\t{ratio_X:.3f}\t{ratio_S:.3f}\t{theta}\t{phi}\t{X_fits}\t{S_fits}\n")

    with Pool() as pool:

        results = pool.map(get_data, files) # qui files è l'argomento che passi a get_data

    write_results(file_dat, results)

 No newline at end of file

    write_results(file_dat, results)         # per tutti i file fits che trova, in parallelo, ottiene i dati  e li scrive in file_dat

 No newline at end of file