标题数据单元

标题数据单元是FITS格式的基本容器结构，由 data 成员及其关联元数据。 header 。它们在中定义 astropy.io.fits.hdu 。

这个 ImageHDU 和 CompImageHDU 类在 图像 .

这个 TableHDU 和 BinTableHDU 类在 桌子 .

PrimaryHDU

class astropy.io.fits.PrimaryHDU(data=None, header=None, do_not_scale_image_data=False, ignore_blank=False, uint=True, scale_back=None)

基类：_ImageBaseHDU

适合主HDU类。

构建主HDU。

参数:

data : array 或 astropy.io.fits.hdu.base.DELAYED ，可选数组或Asterpy.io.fits.hdu.base.DELAYED，可选

HDU中的数据。

页眉 ： Header 可选标题，可选

要使用的标头（作为模板）。如果 header 是 None ，将提供最小页眉。

do_not_scale_image_data : bool ，可选可选的布尔

如果 True ，读取图像数据时不使用b缩放/b零值缩放图像数据。（默认值：False）

ignore_blank : bool ，可选可选的布尔

如果 True ，则将忽略空白标头关键字（如果存在）。否则，等于该值的像素将被替换为nan。（默认值：False）

uint : bool ，可选可选的布尔

解释有符号整数数据，其中 BZERO 是核心价值观 BSCALE == 1 作为无符号整数数据。例如， int16 数据与 BZERO = 32768 和 BSCALE = 1 会被视为 uint16 数据。（默认值：True）

scale_back : bool ，可选可选的布尔

如果 True ，保存对包含缩放图像数据的文件所做的更改时，将数据还原为原始类型并重新应用原始b缩放/b零值。如果在对数据执行浮点运算后缩小到整数值，这可能会导致精度损失。除非scale_back显式设置为，否则伪无符号整数将自动重新缩放 False . （默认值：无）

add_checksum(when=None, override_datasum=False, checksum_keyword='CHECKSUM', datasum_keyword='DATASUM')

添加 CHECKSUM 和 DATASUM 将这些值设置为分别为HDU和数据计算的校验和的卡。添加 DATASUM 卡可能被覆盖。

参数:

when : str ，可选Python：字符串，可选

卡片的注释字符串；默认情况下，注释将表示计算校验和的时间

override_datasum : bool ，可选可选的布尔

添加 CHECKSUM 仅限卡片

checksum_keyword : str ，可选Python：字符串，可选

要在其中存储校验和值的头关键字的名称；根据惯例，这通常是“checksum”，但在某些情况下，应该使用不同的关键字

datasum_keyword : str ，可选Python：字符串，可选

见 checksum_keyword

笔记

出于测试目的，先打电话 add_datasum 用一个 when 争论，然后打电话 add_checksum 用一个 when 论证与 override_datasum 设置为 True . 这将为两张卡提供一致的注释，并使生成 CHECKSUM 价值一致的卡片。

add_datasum(when=None, datasum_keyword='DATASUM')

添加 DATASUM 将该值设置为为为数据计算的校验和的值。

参数:

when : str ，可选Python：字符串，可选

卡的注释字符串，默认情况下表示计算校验和的时间

datasum_keyword : str ，可选Python：字符串，可选

要在其中存储datasum值的头关键字的名称；根据惯例，这通常是“datasum”，但在某些情况下，应该使用不同的关键字

返回:

checksum : intPython ：整型

计算数据

笔记

出于测试目的，提供一个 when 参数使卡中的注释值保持一致。这将使 CHECKSUM 价值一致的卡片。

copy()

复制HDU，头和数据都被复制。

property data

图像/阵列数据作为 ndarray .

请记住，Numpy数组中轴的顺序与FITS文件中指定的顺序相反。例如，对于二维图像，“行”或y轴是第一维，“列”或x轴是第二维。

如果使用BZERO和BSCALE参数缩放数据，则除非文件是用 do_not_scale_image_data=True .

filebytes()

计算并返回此HDU将写入文件的字节数。

fileinfo()

返回一个字典，详细说明此HDU在任何关联文件中的位置信息。这些值只有在读取或写入关联文件之后才有效，而不会对 HDUList .

返回:

dict or None

字典详细说明了这个HDU在相关文件中的位置信息。退换商品 None 当HDU不与文件关联时。

字典内容：

键	价值
文件	与HDU关联的文件对象
文件格式	打开文件的模式（readonly、copyonfrite、update、append、ostream）
hdrLoc公司	文件头的起始字节位置
达洛克	文件中数据块的起始字节位置
数据跨度	数据大小（包括填充）

classmethod fromstring(data, checksum=False, ignore_missing_end=False, **kwargs)

从包含HDU的整个头和（可选）其数据的字符串创建适当类型的新HDU对象。

注意：当从没有备份文件对象的字符串创建新的HDU时，该HDU的数据可能是只读的。它取决于底层字符串是不可变的Python str/bytes对象，还是某种读写内存缓冲区，例如 memoryview .

参数:

data : str ， bytes ， memoryview ， ndarrayPython：字符串、字节、内存视图、ndarray

包含HDU的头和数据的字节字符串。

checksum : bool ，可选可选的布尔

检查HDU的校验和和/或数据。

ignore_missing_end : bool ，可选可选的布尔

忽略头数据中缺少的端卡。请注意，如果没有端卡，标头的结尾可能不明确，并导致HDU损坏。在这种情况下，假设第一个不是以有效的FITS头数据开头的2880块是数据的开始。

**kwargs可选择的

可能由特定于HDU类型的附加关键字参数组成——这些参数对应于由不同HDU类的构造函数识别的关键字，例如 PrimaryHDU ， ImageHDU 或 BinTableHDU . 任何无法识别的关键字参数都将被忽略。

classmethod match_header(header)

_ImageBaseHDU是包含图像数据(与表数据相对)的HDU的一种抽象类，不应直接使用。

classmethod readfrom(fileobj, checksum=False, ignore_missing_end=False, **kwargs)

从文件中读取HDU。通常，HDU应使用 open() 它读取FITS文件中的整个HDU列表。但这种方法仍然适用于 writeto() .

参数:

fileobj : file-like objectPython：类似文件的对象

输入适合文件。假定文件的seek指针位于HDU的开头。

checksum : bool布尔

如果 True ，验证两者 DATASUM 和 CHECKSUM 卡值（当HDU头中存在时）与文件中所有HDU的头和数据相匹配。

ignore_missing_end : bool布尔

打开缺少的文件时不要发出异常 END 最后一个标题中的卡。

req_cards(keyword, pos, test, fix_value, option, errlist)

检查所需的 Card .

参数:

keyword : strPython ：字符串

要验证的关键字

pos : int ， callable()PYTHON：INT，PYTHON：Callable()

如果一个 int ，指定该卡在标头中的确切位置。记住Python是零索引的，所以这意味着 pos=0 要求卡是标题中的第一张卡。如果给了一个可调用的，它应该接受一个参数——关键字的实际位置——并返回 True 或 False . 这可用于自定义评估。例如，如果 pos=lambda idx: idx > 10 这将检查关键字的索引是否大于10。

test : callable()Python：Callable()

这应该是一个可调用的（通常是一个函数），它传递给定关键字的值并返回 True 或 False . 这可用于验证与给定关键字关联的值。

fix_value : str ， int ， float ， complex ， bool ， None派生：字符串，派生：整型，派生：浮点，复杂，布尔，派生：无

Fits关键字的有效值，如果给定 test 无法替换无效值。换句话说，如果关键字的当前值无效，这将提供一个缺省值作为替代。如果 None ，则没有替换值，且关键字不可修复。

option : strPython ：字符串

输出验证选项。一定是其中之一 "fix" ， "silentfix" ， "ignore" ， "warn" ，或 "exception" 。也可以是以下各项的任意组合 "fix" 或 "silentfix" 使用 "+ignore" ， +warn ，或 +exception" (e.g. `` “修复+警告”)。看见 验证选项 更多信息。

errlist : listPython ：列表

在FITS文件中已经找到的验证错误列表；这主要用于验证系统跨多个hdu和多个调用来收集错误 req_cards .

笔记

如果 pos=None ，卡可以在页眉中的任何位置。如果卡不存在，新卡将具有 fix_value 作为它的价值。还可以使用 test 争论。

run_option(option='warn', err_text='', fix_text='Fixed.', fix=None, fixable=True)

使用所选选项执行验证。

scale(type=None, option='old', bscale=None, bzero=None)

使用缩放图像数据 BSCALE/BZERO .

调用此方法将缩放 data 并更新 BSCALE 和 BZERO 在HDU的头部。此方法只应在写入输出文件之前使用，因为数据将被缩放，因此在调用后不太可用。

参数:

type : str ，可选Python：字符串，可选

目标数据类型，使用一个表示numpy数据类型名称的字符串（例如。 'uint8' ， 'int16' ， 'float32' 等等）。如果是 None ，使用当前数据类型。

option : str ，可选Python：字符串，可选

如何缩放数据： "old" uses the original BSCALE and BZERO values from when the data was read/created (defaulting to 1 and 0 if they don't exist). For integer data only, "minmax" uses the minimum and maximum of the data to scale. User-specified bscale/bzero 值总是优先的。

bscale, bzero : int ，可选PYTHON：int，可选

用户指定的 BSCALE 和 BZERO 价值观

property section

访问图像数组的一部分，而不将整个数组加载到内存中。这个 Section 此属性返回的对象本身不可直接使用。相反，节的片段返回适当的数据片段，并加载 only 记忆中的那个部分。

节可用于从已使用 use_fsspec=True 参数。例如，您可以使用此功能从Amazon S3云中托管的大FITS图像下载小剪报(请参阅 使用远程和云托管文件 有关更多详细信息，请参阅Astroy文档部分。)

对于本地文件，Memmap支持大部分部分已过时，但仍应用于处理非常大的图像。

请注意，当前不能写入节。此外，对映像的内存中的任何更新 .data 属性可能不会反映在通过 .section 。请参阅 数据段 部分了解更多详细信息。

property shape

图像数组的形状--应等效于 self.data.shape .

property size

HDU数据部分的大小（以字节为单位）。

update_header()

更新标题关键字以与数据一致。

verify(option='warn')

验证实例中的所有值。

参数:

option : strPython ：字符串

输出验证选项。一定是其中之一 "fix" ， "silentfix" ， "ignore" ， "warn" ，或 "exception" 。也可以是以下各项的任意组合 "fix" 或 "silentfix" 使用 "+ignore" ， "+warn" ，或 "+exception" (例如： "fix+warn" )。看见 验证选项 更多信息。

verify_checksum()

验证 CHECKSUM 关键字与为当前HDU校验和计算的值相匹配。

返回:

valid : intPython ：整型

• 0-失败

• 1-成功

• 2-否 CHECKSUM 关键字存在

verify_datasum()

验证 DATASUM 关键字与为 DATASUM 当前HDU数据。

返回:

valid : intPython ：整型

• 0-失败

• 1-成功

• 2-否 DATASUM 关键字存在

writeto(name, output_verify='exception', overwrite=False, checksum=False)

将HDU写入新文件。如果只需要将一个HDU写入一个文件，这是一种方便的方法，可以为用户提供更简单的输出接口。

参数:

name : path-like object 或 file-like objectPYTHON：类路径对象或PYTHON：类文件对象

输出适合文件。如果文件对象已经打开，则必须以可写模式打开。

output_verify : strPython ：字符串

输出验证选项。一定是其中之一 "fix" ， "silentfix" ， "ignore" ， "warn" ，或 "exception" 。也可以是以下各项的任意组合 "fix" 或 "silentfix" 使用 "+ignore" ， "+warn" ，或 "+exception" (例如： "fix+warn" )。看见 验证选项 更多信息。

overwrite : bool ，可选可选的布尔

如果 True ，覆盖输出文件（如果存在）。引发 OSError 如果 False 并且输出文件存在。默认为 False .

checksum : bool布尔

什么时候？ True 两者相加 DATASUM 和 CHECKSUM 卡写入文件时，将卡写入HDU的头。

笔记

本地支持GZIP、ZIP和BZIP2压缩算法。压缩模式由文件扩展名(分别为‘.gz’、‘.zip’或‘.bz2’)确定。也可以传递压缩文件对象，例如 gzip.GzipFile 。

GroupsHDU

class astropy.io.fits.GroupsHDU(data=None, header=None)

基类：PrimaryHDU, _TableLikeHDU

适合随机组HDU类。

请参阅 随机访问组 部分，了解有关使用这种类型的HDU的更多详细信息。

构建主HDU。

参数:

data : array 或 astropy.io.fits.hdu.base.DELAYED ，可选数组或Asterpy.io.fits.hdu.base.DELAYED，可选

HDU中的数据。

页眉 ： Header 可选标题，可选

要使用的标头（作为模板）。如果 header 是 None ，将提供最小页眉。

do_not_scale_image_data : bool ，可选可选的布尔

如果 True ，读取图像数据时不使用b缩放/b零值缩放图像数据。（默认值：False）

ignore_blank : bool ，可选可选的布尔

如果 True ，则将忽略空白标头关键字（如果存在）。否则，等于该值的像素将被替换为nan。（默认值：False）

uint : bool ，可选可选的布尔

解释有符号整数数据，其中 BZERO 是核心价值观 BSCALE == 1 作为无符号整数数据。例如， int16 数据与 BZERO = 32768 和 BSCALE = 1 会被视为 uint16 数据。（默认值：True）

scale_back : bool ，可选可选的布尔

如果 True ，保存对包含缩放图像数据的文件所做的更改时，将数据还原为原始类型并重新应用原始b缩放/b零值。如果在对数据执行浮点运算后缩小到整数值，这可能会导致精度损失。除非scale_back显式设置为，否则伪无符号整数将自动重新缩放 False . （默认值：无）

add_checksum(when=None, override_datasum=False, checksum_keyword='CHECKSUM', datasum_keyword='DATASUM')

添加 CHECKSUM 和 DATASUM 将这些值设置为分别为HDU和数据计算的校验和的卡。添加 DATASUM 卡可能被覆盖。

参数:

when : str ，可选Python：字符串，可选

卡片的注释字符串；默认情况下，注释将表示计算校验和的时间

override_datasum : bool ，可选可选的布尔

添加 CHECKSUM 仅限卡片

checksum_keyword : str ，可选Python：字符串，可选

要在其中存储校验和值的头关键字的名称；根据惯例，这通常是“checksum”，但在某些情况下，应该使用不同的关键字

datasum_keyword : str ，可选Python：字符串，可选

见 checksum_keyword

笔记

出于测试目的，先打电话 add_datasum 用一个 when 争论，然后打电话 add_checksum 用一个 when 论证与 override_datasum 设置为 True . 这将为两张卡提供一致的注释，并使生成 CHECKSUM 价值一致的卡片。

add_datasum(when=None, datasum_keyword='DATASUM')

添加 DATASUM 将该值设置为为为数据计算的校验和的值。

参数:

when : str ，可选Python：字符串，可选

卡的注释字符串，默认情况下表示计算校验和的时间

datasum_keyword : str ，可选Python：字符串，可选

要在其中存储datasum值的头关键字的名称；根据惯例，这通常是“datasum”，但在某些情况下，应该使用不同的关键字

返回:

checksum : intPython ：整型

计算数据

笔记

出于测试目的，提供一个 when 参数使卡中的注释值保持一致。这将使 CHECKSUM 价值一致的卡片。

property columns

这个 ColDefs 对象描述此表中的列。

copy()

复制HDU，头和数据都被复制。

property data

随机分组FITS文件的数据将类似于二进制表的数据。

filebytes()

计算并返回此HDU将写入文件的字节数。

fileinfo()

返回一个字典，详细说明此HDU在任何关联文件中的位置信息。这些值只有在读取或写入关联文件之后才有效，而不会对 HDUList .

返回:

dict or None

字典详细说明了这个HDU在相关文件中的位置信息。退换商品 None 当HDU不与文件关联时。

字典内容：

键	价值
文件	与HDU关联的文件对象
文件格式	打开文件的模式（readonly、copyonfrite、update、append、ostream）
hdrLoc公司	文件头的起始字节位置
达洛克	文件中数据块的起始字节位置
数据跨度	数据大小（包括填充）

classmethod from_columns(columns, header=None, nrows=0, fill=False, character_as_bytes=False, **kwargs)

给一个 ColDefs 对象，序列 Column 对象或其他表HDU或表数据（a FITS_rec 或多场 numpy.ndarray 或 numpy.recarray 对象，返回使用输入中的列定义调用此方法的类的新表HDU。

也见 FITS_rec.from_columns .

参数:

columns : sequence 的 Column ， ColDefs astropy:-likePython ：列的顺序，ColDefs Asty：-Like

从中创建表数据的列，或具有类似于列的结构的对象 ColDefs 可以实例化。这包括现有 BinTableHDU 或 TableHDU ，或者 numpy.recarray 举几个例子。

如果这些列附加了数据数组，则可以在初始化新表时使用这些数据。否则，输入列将被用作具有请求行数的新表的模板。

页眉 ： Header标题

可选的 Header 对象来实例化新的HDU。与定义表结构特别相关的头关键字（例如“txxn”关键字，如TTYPEn）将被提供的列定义覆盖，但保留所有其他信息和数据模型特定的关键字。

nrows : intPython ：整型

新表中的行数。如果输入列有关联的数据，则使用最大输入列的大小。否则，默认值为0。

fill : bool布尔

如果 True ，将用零或空格填充所有单元格。如果 False ，从输入复制数据，未定义的单元格仍将填充零/空格。

character_as_bytes : bool布尔

从HDU访问时是否返回字符串列的字节。默认情况下是 False 返回和（unicode）字符串，但对于大型表，这可能会占用大量内存。

笔记

HDU类的 __init__ 也可以作为关键字参数传入。

classmethod fromstring(data, checksum=False, ignore_missing_end=False, **kwargs)

从包含HDU的整个头和（可选）其数据的字符串创建适当类型的新HDU对象。

注意：当从没有备份文件对象的字符串创建新的HDU时，该HDU的数据可能是只读的。它取决于底层字符串是不可变的Python str/bytes对象，还是某种读写内存缓冲区，例如 memoryview .

参数:

data : str ， bytes ， memoryview ， ndarrayPython：字符串、字节、内存视图、ndarray

包含HDU的头和数据的字节字符串。

checksum : bool ，可选可选的布尔

检查HDU的校验和和/或数据。

ignore_missing_end : bool ，可选可选的布尔

忽略头数据中缺少的端卡。请注意，如果没有端卡，标头的结尾可能不明确，并导致HDU损坏。在这种情况下，假设第一个不是以有效的FITS头数据开头的2880块是数据的开始。

**kwargs可选择的

可能由特定于HDU类型的附加关键字参数组成——这些参数对应于由不同HDU类的构造函数识别的关键字，例如 PrimaryHDU ， ImageHDU 或 BinTableHDU . 任何无法识别的关键字参数都将被忽略。

classmethod match_header(header)

_ImageBaseHDU是包含图像数据(与表数据相对)的HDU的一种抽象类，不应直接使用。

property parnames

标题中描述的组参数的名称。

classmethod readfrom(fileobj, checksum=False, ignore_missing_end=False, **kwargs)

从文件中读取HDU。通常，HDU应使用 open() 它读取FITS文件中的整个HDU列表。但这种方法仍然适用于 writeto() .

参数:

fileobj : file-like objectPython：类似文件的对象

输入适合文件。假定文件的seek指针位于HDU的开头。

checksum : bool布尔

如果 True ，验证两者 DATASUM 和 CHECKSUM 卡值（当HDU头中存在时）与文件中所有HDU的头和数据相匹配。

ignore_missing_end : bool布尔

打开缺少的文件时不要发出异常 END 最后一个标题中的卡。

req_cards(keyword, pos, test, fix_value, option, errlist)

检查所需的 Card .

参数:

keyword : strPython ：字符串

要验证的关键字

pos : int ， callable()PYTHON：INT，PYTHON：Callable()

如果一个 int ，指定该卡在标头中的确切位置。记住Python是零索引的，所以这意味着 pos=0 要求卡是标题中的第一张卡。如果给了一个可调用的，它应该接受一个参数——关键字的实际位置——并返回 True 或 False . 这可用于自定义评估。例如，如果 pos=lambda idx: idx > 10 这将检查关键字的索引是否大于10。

test : callable()Python：Callable()

这应该是一个可调用的（通常是一个函数），它传递给定关键字的值并返回 True 或 False . 这可用于验证与给定关键字关联的值。

fix_value : str ， int ， float ， complex ， bool ， None派生：字符串，派生：整型，派生：浮点，复杂，布尔，派生：无

Fits关键字的有效值，如果给定 test 无法替换无效值。换句话说，如果关键字的当前值无效，这将提供一个缺省值作为替代。如果 None ，则没有替换值，且关键字不可修复。

option : strPython ：字符串

输出验证选项。一定是其中之一 "fix" ， "silentfix" ， "ignore" ， "warn" ，或 "exception" 。也可以是以下各项的任意组合 "fix" 或 "silentfix" 使用 "+ignore" ， +warn ，或 +exception" (e.g. `` “修复+警告”)。看见 验证选项 更多信息。

errlist : listPython ：列表

在FITS文件中已经找到的验证错误列表；这主要用于验证系统跨多个hdu和多个调用来收集错误 req_cards .

笔记

如果 pos=None ，卡可以在页眉中的任何位置。如果卡不存在，新卡将具有 fix_value 作为它的价值。还可以使用 test 争论。

run_option(option='warn', err_text='', fix_text='Fixed.', fix=None, fixable=True)

使用所选选项执行验证。

scale(type=None, option='old', bscale=None, bzero=None)

使用缩放图像数据 BSCALE/BZERO .

调用此方法将缩放 data 并更新 BSCALE 和 BZERO 在HDU的头部。此方法只应在写入输出文件之前使用，因为数据将被缩放，因此在调用后不太可用。

参数:

type : str ，可选Python：字符串，可选

目标数据类型，使用一个表示numpy数据类型名称的字符串（例如。 'uint8' ， 'int16' ， 'float32' 等等）。如果是 None ，使用当前数据类型。

option : str ，可选Python：字符串，可选

如何缩放数据： "old" uses the original BSCALE and BZERO values from when the data was read/created (defaulting to 1 and 0 if they don't exist). For integer data only, "minmax" uses the minimum and maximum of the data to scale. User-specified bscale/bzero 值总是优先的。

bscale, bzero : int ，可选PYTHON：int，可选

用户指定的 BSCALE 和 BZERO 价值观

property section

访问图像数组的一部分，而不将整个数组加载到内存中。这个 Section 此属性返回的对象本身不可直接使用。相反，节的片段返回适当的数据片段，并加载 only 记忆中的那个部分。

节可用于从已使用 use_fsspec=True 参数。例如，您可以使用此功能从Amazon S3云中托管的大FITS图像下载小剪报(请参阅 使用远程和云托管文件 有关更多详细信息，请参阅Astroy文档部分。)

对于本地文件，Memmap支持大部分部分已过时，但仍应用于处理非常大的图像。

请注意，当前不能写入节。此外，对映像的内存中的任何更新 .data 属性可能不会反映在通过 .section 。请参阅 数据段 部分了解更多详细信息。

property shape

图像数组的形状--应等效于 self.data.shape .

property size

返回HDU数据部分的大小（以字节为单位）。

update_header()

更新标题关键字以与数据一致。

verify(option='warn')

验证实例中的所有值。

参数:

option : strPython ：字符串

输出验证选项。一定是其中之一 "fix" ， "silentfix" ， "ignore" ， "warn" ，或 "exception" 。也可以是以下各项的任意组合 "fix" 或 "silentfix" 使用 "+ignore" ， "+warn" ，或 "+exception" (例如： "fix+warn" )。看见 验证选项 更多信息。

verify_checksum()

验证 CHECKSUM 关键字与为当前HDU校验和计算的值相匹配。

返回:

valid : intPython ：整型

• 0-失败

• 1-成功

• 2-否 CHECKSUM 关键字存在

verify_datasum()

验证 DATASUM 关键字与为 DATASUM 当前HDU数据。

返回:

valid : intPython ：整型

• 0-失败

• 1-成功

• 2-否 DATASUM 关键字存在

writeto(name, output_verify='exception', overwrite=False, checksum=False)

将HDU写入新文件。如果只需要将一个HDU写入一个文件，这是一种方便的方法，可以为用户提供更简单的输出接口。

参数:

name : path-like object 或 file-like objectPYTHON：类路径对象或PYTHON：类文件对象

输出适合文件。如果文件对象已经打开，则必须以可写模式打开。

output_verify : strPython ：字符串

输出验证选项。一定是其中之一 "fix" ， "silentfix" ， "ignore" ， "warn" ，或 "exception" 。也可以是以下各项的任意组合 "fix" 或 "silentfix" 使用 "+ignore" ， "+warn" ，或 "+exception" (例如： "fix+warn" )。看见 验证选项 更多信息。

overwrite : bool ，可选可选的布尔

如果 True ，覆盖输出文件（如果存在）。引发 OSError 如果 False 并且输出文件存在。默认为 False .

checksum : bool布尔

什么时候？ True 两者相加 DATASUM 和 CHECKSUM 卡写入文件时，将卡写入HDU的头。

笔记

本地支持GZIP、ZIP和BZIP2压缩算法。压缩模式由文件扩展名(分别为‘.gz’、‘.zip’或‘.bz2’)确定。也可以传递压缩文件对象，例如 gzip.GzipFile 。

GroupData

class astropy.io.fits.GroupData(input=None, bitpix=None, pardata=None, parnames=[], bscale=None, bzero=None, parbscales=None, parbzeros=None)

基类：FITS_rec

随机分组数据对象。

允许以类似于表的方式对FITS组数据进行结构化访问。

参数:

input : array 或 FITS_rec 实例数组或FITSrec实例

输入数据，或者是组数据本身（a numpy.ndarray )或者记录数组 (FITS_rec )它将包含组参数信息和数据。其余的参数只用于第一种情况。

bitpix : intPython ：整型

以FITS表示的数据类型 BITPIX 值（8、16、32、64、-32或-64）

pardata : sequence 的 arrayPython：数组序列

参数数据，作为（数值）数组的列表。

parnames : sequence 的 strPYTHON：PYTHON的序列：字符串

参数名称列表。

bscale : intPython ：整型

BSCALE 数据的

bzero : intPython ：整型

BZERO 数据的

parbscales : sequence 的 intPYTHON：PYTHON的序列：int

参数的bSales列表

parbzeros : sequence 的 intPYTHON：PYTHON的序列：int

参数的b0列表

property data

原始组数据表示为多维 numpy.ndarray 数组。

par(parname)

获取组参数值。

Group

class astropy.io.fits.Group(input, row=0, start=None, end=None, step=None, base=None)

基类：FITS_record

一组随机分组数据。

参数:

input : array数组

要包装的数组。

row : int ，可选PYTHON：int，可选

数组的起始逻辑行。

start : int ，可选PYTHON：int，可选

与此对象关联的行中的起始列。用于将 FITS_rec 对象。

end : int ，可选PYTHON：int，可选

与此对象关联的行中的结束列。用于将 FITS_rec 对象。

par(parname)

获取组参数值。

setpar(parname, value)

设置组参数值。

StreamingHDU

class astropy.io.fits.StreamingHDU(name, header)

基类：object

一个类，它提供将数据流式传输到FITS文件的能力，而不是要求一次写入所有数据。

以下伪代码说明了它的用法：

header = astropy.io.fits.Header()

for all the cards you need in the header:
    header[key] = (value, comment)

shdu = astropy.io.fits.StreamingHDU('filename.fits', header)

for each piece of data:
    shdu.write(data)

shdu.close()

构建一个 StreamingHDU 对象指定了文件名和头。

参数:

name : path-like object 或 file-like objectPYTHON：类路径对象或PYTHON：类文件对象

标头和数据将流式传输到的文件。如果打开，文件对象必须以可写二进制模式打开，例如‘wb’或‘ab+’。

页眉 ： Header 实例标头实例

与要写入文件的数据关联的头对象。

笔记

文件将被打开并将头附加到文件末尾。如果文件不存在，则会创建它，如果头表示主头，则会将其写入文件的开头。如果文件不存在，并且提供的头不是主头文件，则将在文件的开头插入默认的主HDU，并将提供的头添加为第一个扩展名。如果文件已经存在，但提供的头表示主头，则该头将被修改为图像扩展头并附加到文件末尾。

close()

关闭物理配合文件。

property size

返回HDU数据部分的大小（以字节为单位）。

write(data)

将给定的数据写入流。

参数:

data : ndarray恩达雷

要流到文件的数据。

返回:

writecomplete : intPython ：整型

什么时候把它标记出来 True 指示所有必需的数据都已写入流。

笔记

只有在提供给类构造函数的头中指定的数据量才能写入流。如果提供的数据会导致流溢出，则 OSError 引发异常，不写入数据。一旦有足够的数据写入流以满足在头中指定的数量，流将被填充以填充完整的FITS块，不再接受更多的数据。在流被填充后尝试写入更多数据将引发 OSError 例外情况。如果输入数据的数据类型与标头期望的数据类型不匹配，则 TypeError 引发异常。