BaseRepresentation#
- class astropy.coordinates.BaseRepresentation(*args, differentials=None, **kwargs)[源代码]#
基类：
BaseRepresentationOrDifferential在三维坐标系中表示点的基。
- 参数:
- 组件1，组件2，组件3 ：
Quantity或子类数量或子类 三维点的组件。名称是键，子类是
attr_classes属性。- differentials :
dict，BaseDifferential，可选Python：dict、BaseDifferential、可选 任何一个微分表示都应该与这个类相关联。输入必须是单个
BaseDifferential子类实例，或者是一个字典，其中的键设置为SI单位的字符串表示，用它来获取微分（导数）。例如，对于位置表达上的速度差，关键是's'秒，表示导数是时间导数。- copy : bool ，可选可选的布尔
- 组件1，组件2，组件3 ：
笔记
所有制图表达类都应该成为此基制图表达类的子类，并定义
attr_classes属性，则为dict它将组件名称映射到创建它们的类。它们还必须定义一个to_cartesian方法和一个from_cartesian类方法。默认情况下，转换是通过笛卡尔系统完成的，但是希望定义更智能转换路径的类可以重载represent_as方法。如果要使用关联的差异类，还应该定义unit_vectors和scale_factors方法(有关详细信息，请参阅这些方法)。属性摘要
差异类实例的字典。
实例和基础数组的形状。
方法总结
cross(其他)两个表示的向量叉积。
dot(其他)两个表示的点积。
from_representation\(表示法)从另一个表示创建此表示的新实例。
mean(*args, **kwargs)向量平均值。
norm\()向量范数。
represent_as(other_class[, differential_class])将坐标转换为其他表示。
scale_factors\()每个组件方向的比例因子。
sum(*args, **kwargs)矢量和。
transform\(矩阵)在笛卡尔基础上使用3x3矩阵变换坐标。
unit_vectors\()每个分量方向上的笛卡尔单位向量。
with_differentials\(差异)使用与此表示相同的位置创建一个新表示，但使用这些新的差分。
返回一份没有附加差异的表示的副本。
属性文档
- differentials#
差异类实例的字典。
本字典的键必须是采用微分（导数）的国际单位制的字符串表示。例如，对于位置表达上的速度差，关键是
's'秒，表示导数是时间导数。
- info#
- shape#
实例和基础数组的形状。
喜欢
shape，可以通过指定元组设置为新形状。请注意，如果不同的实例共享一些但不是所有的底层数据，那么设置一个实例的形状可能会使另一个实例不可用。因此，强烈建议对新实例进行重新构造reshape方法。- 加薪:
ValueError如果新形状的元素总数错误。
AttributeError如果在不复制阵列的情况下无法更改任何组件的形状。对于这些情况，请使用
reshape方法（该方法复制任何不能就地重塑的数组）。
方法文件
- cross(other)[源代码]#
两个表示的向量叉积。
计算是通过转换两者来完成的
self和other到CartesianRepresentation，并将结果转换回self.- 参数:
- 其他 ：
BaseRepresentation子类实例BaseRepresentation子类实例 取叉积的表示法。
- 其他 ：
- 返回:
- cross_product ：
BaseRepresentation子类实例BaseRepresentation子类实例 向量垂直于两者
self和other，在与self.
- cross_product ：
- dot(other)[源代码]#
两个表示的点积。
计算是通过转换两者来完成的
self和other到CartesianRepresentation.请注意，在此操作过程中，所有相关的差速器都将被丢弃。
- 参数:
- 其他 ：
BaseRepresentationBaseRepresentation 点积的表示法。
- 其他 ：
- 返回:
- dot_product ：
Quantity数量 笛卡尔表示的x、y和z分量乘积的和
self和other.
- dot_product ：
- classmethod from_representation(representation)[源代码]#
从另一个表示创建此表示的新实例。
- 参数:
- 代表 ：
BaseRepresentation实例BaseRepresentation实例 应转换为此类的演示文稿。
- 代表 ：
- mean(*args, **kwargs)[源代码]#
向量平均值。
平均化是通过将表示转换为笛卡尔坐标，并取x、y和z分量的平均值来完成的。结果将转换回与输入相同的表示形式。
参照
mean关于论点的完整文档，请注意axis是在shape代表性，以及out无法使用参数。- 返回:
- mean ：
BaseRepresentation子类实例BaseRepresentation子类实例 向量平均值，与输入值的表示形式相同。
- mean ：
- norm()[源代码]#
向量范数。
范数是标准的Frobenius范数，即所有非角单位分量平方和的平方根。
请注意，在此操作过程中，所有相关的差速器都将被丢弃。
- 返回:
- norm ：
astropy.units.Quantityastropy.units.Quantity 向量范数，与表示形式相同。
- norm ：
- represent_as(other_class, differential_class=None)[源代码]#
将坐标转换为其他表示。
如果实例属于请求的类，则返回原样。默认情况下，转换是通过笛卡尔坐标完成的。另请注意，原点处的方向信息为 not 通过笛卡尔坐标转换来保存。请参阅的文档字符串
to_cartesian()举个例子。- 参数:
- other_class ：
BaseRepresentation子类基表示子类 要将坐标转换为的表示类型。
- differential_class :
dict的BaseDifferential，可选Python：BaseDifferential的字典，可选 应在其中表示差分的类。如果只附加了一个差分，则可以是单个类，否则它应该是
dict用与差速器相同的键控制。
- other_class ：
- scale_factors()[源代码]#
每个组件方向的比例因子。
给定单位向量 \(\hat{{e}}_c\) 和比例因子 \(f_c\) ，一个组成部分的变化 \(\delta c\) 对应于 \(\delta c \times f_c \times \hat{{e}}_c\) .
- sum(*args, **kwargs)[源代码]#
矢量和。
对笛卡尔表示法求和，然后把它转换成y分量。结果将转换回与输入相同的表示形式。
参照
sum关于论点的完整文档，请注意axis是在shape代表性，以及out无法使用参数。- 返回:
- sum ：
BaseRepresentation子类实例BaseRepresentation子类实例 向量和，与输入的表示形式相同。
- sum ：
- transform(matrix)[源代码]#
在笛卡尔基础上使用3x3矩阵变换坐标。
这将返回一个新的表示形式，而不修改原始表示形式。附加到这个表示的任何微分也将被转换。
- 参数:
- matrix : (3,3) array_like(3，3)
3x3(或其堆叠)矩阵，例如旋转矩阵。
- unit_vectors()[源代码]#
每个分量方向上的笛卡尔单位向量。
给定单位向量 \(\hat{{e}}_c\) 和比例因子 \(f_c\) ，一个组成部分的变化 \(\delta c\) 对应于 \(\delta c \times f_c \times \hat{{e}}_c\) .
- 返回:
- unit_vectors :
dict的CartesianRepresentationPython ：笛卡尔表现法 键是组件名称。
- unit_vectors :
- with_differentials(differentials)[源代码]#
使用与此表示相同的位置创建一个新表示，但使用这些新的差分。
此对象的Differential dict中已存在的差分键将被覆盖。
- 参数:
- differentials : sequence 的
BaseDifferential子类实例Python：BaseDifferential子类实例序列 新表示的微分。
- differentials : sequence 的
- 返回:
BaseRepresentation子类实例一份此声明的副本，但是
differentials因为它的差别。
- without_differentials()[源代码]#
返回一份没有附加差异的表示的副本。
- 返回:
BaseRepresentation子类实例此表示的一个浅拷贝，没有任何差异。如果没有差异，则不进行复制。