#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
@author: jennifer
Tarea clase 3
"""

'\n@author: jennifer\nTarea clase 3\n'

Diagrama H-R

Ejercicios de lectura de archivos y la creación de imágenes

Ejercicio No. 1

• Investigue sobre el diagrama de Hertzprung-Russell, una herramienta muy potente en astronomia, y describa un poco al respecto para darle contexto al resto de la tarea
• El objetivo es generar un diagrama HR lo más parecido al de esta referencia. No lucirá idéntico por que no se usarán exactamente los mismos datos, y las unidades pueden ser ligeramente distinta. La idea sí es dejar su figura lo más parecida a la de referencia en el estilo: colores, escalas en los ejes, tamaño de los marcadores, leyendas, textos en el gráfico, etc.
• Los datos para crear la figura están en la carpeta Data. Cada tabla contiene las informaciones sobre un tipo de estrellas según indican los nombres de archivo. La información viene en 3 columnas: luminosidad en luminosidades solares, Temperatura en Kelvin y Radio de la estrella en unidades arbitrarias
• La idea es que cada estrella en el gráfico tenga un color representativo de su temperatura (que estrellas frías son rojas y estrellas calientes son azules) y que el tamaño del símbolo sea representativo del tamaño de cada estrella para diferenciar entre enanas, gigantes y estrellas de secuencia principal
• Busque que su código sea semi automático; es indispensable leer los datos desde el propio programa, no copiarlos a mano, y hallar una forma de obtener los tamaños y colores sin declararlos uno a uno

Ejercicio No. 2

• Después de tener un diseño de base para el ejercicio No. 1, en este ejercicio se pide generar una animación, en la cual se reproduzca el miso gráfico de antes pero las estrellas vayan apareciendo progresivamente

NOTA: Variantes a estas propuestas serán bien recibidas

Diagrama de Hertzsprung-Russell

Es un diagrama de la luminosidad de una estrella en función de la temperatura superficial. La luminosidad corresponde a la cantidad de energía por unidad de tiempo emitida en todas direcciones.

El químico Ejnar Hertzsprung estudió la luminosidad de las estrellas y con estos estudios, para 1909 comenzó con la clasificación de las estrellas según sus propiedades a través de un diagrama. Estos intentos los realizó casi en paralelo Henry Norris Russell quien creó un sistema de clasificación estelar muy similar para 1910.

¿En qué consiste?

(Tomado de naukas.com/2011/09/08/cien-anos-del-diagrama-de-hertzsprung-russell-el-grafico-que-organizo-las-estrellas/)

El eje x corresponde con la temperatura superficial en grados kelvin que coincide también con la escala del tipo espectral. Esta clasificación se basa en el color de la estrella que está relacionado con su temperatura superficial como se observa en la imagen¹.

El eje y como se mencionó anteriormente, mide la luminosidad tomando al Sol como referencia (Luminosidad del Sol = 1).

---

1. Tomado de planetario.malargue.gov.ar/2016/11/24/1604/↩

Parte 1: Lectura de archivos

import matplotlib.pyplot as plt
import pandas as pd
import csv
import os
import numpy as np
%matplotlib notebook

data1 = pd.read_csv('data/dwarfs.csv', skiprows=0)
data1

	lum	temp	radius
0	0.000109	5050.644696	7.096930
1	0.000128	5967.543450	4.583996
2	0.000230	6674.161524	4.151078
3	0.000269	7216.762974	3.491754
4	0.000472	7795.184395	3.472736
5	0.000613	8402.695283	3.077338

lum1 = data1['lum']
temp1 = data1['temp']
radio1 = data1['radius']
#
ax = plt.gca()
ax.invert_xaxis()  
plt.scatter( temp1,lum1, s=radio1)
#plt.colorbar();  # show color scale

#plt.scatter(lum1, temp1)

<matplotlib.collections.PathCollection at 0x7fd0f9597b38>

data2 = pd.read_csv('data/ms.csv', skiprows=0)
data2

	lum	temp	radius
0	0.000776	3577.003926	0.814703
1	0.002638	3691.168543	1.209778
2	0.006823	3793.506494	1.630027
3	0.019733	3862.471423	2.361574
4	0.040402	3963.530109	2.910924
...	...	...	...
85	46.302027	10625.406634	2.528836
86	177.827941	10896.877545	4.016161
87	111.480780	11231.323162	3.043018
88	140.345987	11709.130116	2.944580
89	303.389118	13010.740359	2.921536

90 rows × 3 columns

lum2 = data2['lum']
temp2 = data2['temp']
radio2 = data2['radius']
#
ax = plt.gca()
ax.invert_xaxis()
plt.scatter( temp2,lum2, s=radio2)
#plt.xscale("log")
plt.yscale("log")
plt.xlabel("Temperatura [K]")
plt.ylabel("Luminosidad [$L_{Sun}$]")
plt.title("Diagrama de Hertzsprung-Russell")
plt.show()
#plt.colorbar();  # show color scale

#plt.scatter(lum1, temp1)

data3 = pd.read_csv('data/giants.txt',delim_whitespace=True)
data3

	lum	temp	radius
0	304.228573	3654.601099	145.483474
1	58.884366	3808.609875	66.642938
2	9.246982	3991.751692	27.603430
3	58.505945	4164.818180	50.832968
4	32.033176	4425.773883	33.290931

lum3 = data3['lum']
temp3 = data3['temp']
radio3 = data3['radius']
#
plt.scatter(lum3, temp3, s=radio3)

#plt.scatter(lum1, temp1)

<matplotlib.collections.PathCollection at 0x7fd0f754b0b8>

data4 = pd.read_csv('data/supergiants.txt',delim_whitespace=True)
data4

	lum	temp	radius
0	359749.335156	3801.042587	278.055832
1	416869.383470	4398.962354	190.278395
2	1000000.000000	5465.163392	140.809113
3	920449.571753	7837.395137	46.187556
4	779830.110523	10200.701561	19.604244

lum4 = data4['lum']
temp4 = data4['temp']
radio4 = data4['radius']
#
plt.scatter(lum4, temp4, s=radio4)
#plt.scatter(lum1, temp1)

<matplotlib.collections.PathCollection at 0x7fd0f95eb390>

Parte 2: Generando un solo plot

total_lum = pd.concat([lum1,lum2,lum3,lum4])
#len(total_lum)
total_temp = pd.concat([temp1,temp2,temp3,temp4])
total_radio = pd.concat([radio1,radio2,radio3,radio4])

colors = total_temp
plt.scatter( total_temp,total_lum, s=total_radio,c=colors, cmap=plt.cm.RdYlGn)
#plt.scatter( temp1,lum1, s=radio1,color='white',edgecolors='black')
plt.text(10000, 1, "Secuencia principal", family="monospace")
plt.text(8000, 40000, "Super gigantes", family="monospace")
plt.text(5000, 1000, "Gigantes", family="monospace")
plt.text(7000, 0.001, "Enanas blancas", family="monospace")

#plt.text(2.5, 2., "sans-serif", family="sans-serif")
#cbar = plt.colorbar()
ax = plt.gca()
ax.invert_xaxis()
#plt.xscale("log")
plt.yscale("log")
plt.xlabel("Temperatura [K]")
plt.ylabel("Luminosidad [$L_{Sun}$]")
plt.title("Diagrama de Hertzsprung-Russell")
plt.show()
#plt.colorbar();  # show color scale

Parte 3: Animar

from matplotlib.animation import FuncAnimation


N = len(total_temp)

fig = plt.figure()
plt.xlim(3000, 15000)
plt.ylim(1e-5, 1e7)
plt.yscale('log')
plt.xlabel("Temperatura [K]")
plt.ylabel("Luminosidad [$L_{Sun}$]")
plt.title("Diagrama de Hertzsprung-Russell")
plt.text(10000, 1, "Secuencia principal", family="monospace")
plt.text(8000, 40000, "Super gigantes", family="monospace")
plt.text(5000, 1000, "Gigantes", family="monospace")
plt.text(7000, 0.001, "Enanas blancas", family="monospace")

ax = plt.gca()
ax.invert_xaxis()

graph, = plt.plot([], [], 'ob')

def animate(i):
    graph.set_data(total_temp[:i+1], total_lum[:i+1])
    return graph

ani = FuncAnimation(fig, animate, frames=N, interval=200)
plt.show()