AutoGUI - Use

#%% 52 nuovo ufficiale OK
"""
Nota bene: ho modificato il file modeling.py per aggiungere gli errori

1. Ho ridefinito i parametri dell'init facendogli accettare le sigma

def __init__(self, model: Model, graphs: List[mpl.lines.Line2D]=None, figure: mpl.figure.Figure=None,
             bbox: List[float]=[0, 0, 1, 1], background: Union[bool,str]=None, border: bool=False,
             radio_options: Dict[str, Any]=None, slider_options: Dict[str, Any]=None,
             data: Tuple[np.ndarray, np.ndarray]=None, sigma: np.ndarray=None):


2. ho ridefinito una parte dell'init per salvarsi le sigma
...
self.slider_options = slider_options
self.data = data
self.sigma = sigma
...


3. Ho modificato nel metodo __fit_button_on_clicked la chiamata a fit
...
self.model.fit(*self.data, sigma=self.sigma)
...


"""

# Nota, ho alzato il bin150->200, ora converge

# Carico i dati
numRun = 52
dati = listaMatrici[myDict[numRun]][:,1]
dati = dati[dati<4095]


# Costruisco l'istogramma e trovo il centro
h, bins = np.histogram(dati, bins=200)
binc = bins[:-1] + (bins[1] - bins[0])


# Creo figura e assi su cui disegnare
fig = plt.figure()
fig.set_size_inches(12,5)
fig.suptitle("226Ra - 600V - Gain: 1000 ", fontsize=16)

ax = fig.add_axes([0.15, 0.14, 0.84, 0.70])
ax.set_yscale("log")
ax.grid(True)
ax.set_xlabel("ADC", fontsize=14)
ax.set_ylabel("Entries", fontsize=14)



# Plotto tutti i dati
ax.plot(binc, h, color='black', lw=1, label='Dati completi', ds="steps-mid")


# Seleziono e Plotto i dati da fittare
cond = (binc<2633) & (binc>243)
xVect = binc[cond]
yVect = h[cond]

data_graph, = ax.plot(xVect, yVect, lw=1, label='Dati per fit',\
                      ds="steps-mid", c="tab:green")



# Starting points: inseriti copiando quelli di convergenza
startPars = np.array([
       3.14020187e+05, 2.98589322e+02, 1.43257226e+01,
       9.41411082e+04, 5.34214983e+02, 2.02581202e+01,
       1.04459955e+05, 6.51821651e+02, 2.23514168e+01,

       2.30961972e+05, 7.65474019e+02, 2.49634128e+01,
       3.65195534e+05, 8.86502718e+02, 2.82249031e+01,
       2.14699579e+05, 1.42224403e+03, 4.12398651e+01,

       1.13048417e+05, 1.76150564e+03, 1.49847505e+02,
       6.24648382e+04, 2.11018949e+03, 1.12551885e+02,
       9.82593192e+04, 2.47588684e+03, 1.06711679e+02,

       7.81582354e+03, 2.32745796e-03])


# Movello di fitting
model = CompositeModel(
    Model(gauss,
          Parameter(value=startPars[0], bounds=(1e5, 3e6),      label='A'),
          Parameter(value=startPars[1],   bounds=(0, 4095),   label='mu'),
          Parameter(value=startPars[2],   bounds=(0, 100), label='sigma'),
          label='gaussiana 1'),
    Model(gauss,
          Parameter(value=startPars[3], bounds=(1e5, 3e6),      label='A'),
          Parameter(value=startPars[4],   bounds=(0, 4095),   label='mu'),
          Parameter(value=startPars[5],   bounds=(0, 100), label='sigma'),
          label='gaussiana 2'),
    Model(gauss,
          Parameter(value=startPars[6], bounds=(1e5, 3e6),      label='A'),
          Parameter(value=startPars[7],   bounds=(0, 4095),   label='mu'),
          Parameter(value=startPars[8],   bounds=(0, 100), label='sigma'),
          label='gaussiana 3'),

    Model(gauss,
          Parameter(value=startPars[9], bounds=(1e5, 3e6),      label='A'),
          Parameter(value=startPars[10],   bounds=(0, 4095),   label='mu'),
          Parameter(value=startPars[11],   bounds=(0, 100), label='sigma'),
          label='gaussiana 4'),
    Model(gauss,
          Parameter(value=startPars[12], bounds=(1e5, 3e6),      label='A'),
          Parameter(value=startPars[13],   bounds=(0, 4095),   label='mu'),
          Parameter(value=startPars[14],   bounds=(0, 100), label='sigma'),
          label='gaussiana 5'),
    Model(gauss,
          Parameter(value=startPars[15], bounds=(1e5, 3e6),      label='A'),
          Parameter(value=startPars[16],   bounds=(0, 4095),   label='mu'),
          Parameter(value=startPars[17],   bounds=(0, 100), label='sigma'),
          label='gaussiana 6'),

    Model(gauss,
          Parameter(value=startPars[18], bounds=(1e4, 3e6),      label='A'),
          Parameter(value=startPars[19],   bounds=(0, 4095),   label='mu'),
          Parameter(value=startPars[20],   bounds=(0, 100), label='sigma'),
          label='gaussiana 7'),
    Model(gauss,
          Parameter(value=startPars[21], bounds=(1e4, 3e6),      label='A'),
          Parameter(value=startPars[22],   bounds=(0, 4095),   label='mu'),
          Parameter(value=startPars[23],   bounds=(0, 100), label='sigma'),
          label='gaussiana 8'),
    Model(gauss,
          Parameter(value=startPars[24], bounds=(1e4, 3e6),      label='A'),
          Parameter(value=startPars[25],   bounds=(0, 4095),   label='mu'),
          Parameter(value=startPars[26],   bounds=(0, 100), label='sigma'),
          label='gaussiana 9'),

#    Model(line,
#          Parameter(value=-4.55851, bounds=(-10, 10),  label='m'),
#          Parameter(value=5881.62, bounds=(-100, 10000), label='q'),
#          label='retta'),
    Model(exp,
          Parameter(value=startPars[27], bounds=(0, 1e5),  label='a'),
          Parameter(value=startPars[28], bounds=(0, 1e-2), label='k'),
          label='exp'),
    label='gaussian_peaks')


# Disegno la curva da muovere
xsample = np.linspace(0, 4095, 1500)
model_graph, = ax.plot(xsample, model(xsample), color='steelblue', \
                       label='Curva fittata')
ax.legend();


# Mostro la figura
fig


# Ridimensiono gli assi per fare spazio ai cursori
ax.set_position([0.10, 0.30, 0.84, 0.62])

# Chiamo ciò che fa la magia
gui = AutoGUI(model, [model_graph], bbox=[0.20, 0.07, 0.75, 0.16], figure=fig,
              slider_options={'color': 'steelblue'}, data=(xVect, yVect),
              sigma=np.sqrt(yVect));

#%%
# Eseguire a mano dopo aver premuto il pulsantone ed ispezionare a mano
# è facilmente castabile in un array di numpy
Riassunto_52 = model.summary()
Riassunto52 = np.array(Riassunto_52)

if Export: pass
    #plt.savefig(r'../RELAZIONE/FIGURE/risoluzione-52.eps', format='eps')
#plt.show()