#Interpolate JSC data to CCAM data JSC_Ti=interp_spect(JSC_Ti,xnew) plot.figure() plot.plot(JSC_wvls,JSC_Ti['wvl'].iloc[0,:]) JSC_Ti,JSC_bl=remove_baseline(JSC_Ti,method='als') plot.plot(JSC_wvls,JSC_bl['wvl'].iloc[0,:]) plot.savefig('baseline_example.png',dpi=600) plot.show() ##Combine JSC and CCAM Ti data #data=pd.concat([JSC_Ti_interp,ccs_Ti]) #data.to_csv('JSC_CCS_Ti_data.csv') #Mask spectra JSC_Ti=mask(JSC_Ti,maskfile) #Normalize Spectra JSC_Ti=norm_spect(JSC_Ti,ranges) #data_masked['wvl']=norm_total(data_masked['wvl']) # #data_masked['wvl']=data_masked['wvl'].div(data_masked['wvl'].sum(axis=1),axis=0) # #data_mask_norm=data_masked['wvl'].copy() #for row in data_mask_norm.index.values: # data_mask_norm.iloc[row]/=sum(data_mask_norm.iloc[row]) #data_masked['wvl']=data_mask_norm #data_masked_norm.to_csv('JSC_CCS_Ti_data_masked_norm.csv') #data_mask_norm=norm_total(data_masked) #data_mask_norm.to_csv('JSC_CCS_Ti_data_mask_norm.csv') #print('foo')
def mask(self,*args,**kwargs): return spectral_data(mask(self.df,*args,**kwargs))