Логашенко И.Б.Современные методы обработки экспериментальных данных

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Что такое ROOT?
ROOT – объектно-ориентированная (С++) программная оболочка (библиотека), предоставляющая большое количество инструментов, необходимых для обработки данных.

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Почему ROOT
Бесплатная
Открытый код
Кросс-платформенная
Может использоваться и как приложение, и как библиотека
Огромное количество иструментов
гистограммы, функции, подгонка
сохранение и обработка больших объемов данных
научная графика
математическая библиотека
многопараметрический анализ данных (например, нейронные сети)
интеграция с Python, Ruby, Mathematica

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Документация
Веб-страница
http://root.cern.ch
Руководство пользователя
http://root.cern.ch/drupal/content/users-guide
Подробное описание классов
http://root.cern.ch/drupal/content/reference-guide
Примеры
http://root.cern.ch/root/html/tutorials/
http://root.cern.ch/drupal/content/howtos
Описание пакета TMVA
http://tmva.sourceforge.net/docu/TMVAUsersGuide.pdf

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Запуск ROOT
Настройка переменных окружения (bash)
export ROOTSYS=…
export PATH=${PATH}:${ROOTSYS}/bin
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:${ROOTSYS}/lib
Запуск ROOT из командной строки
Usage: root [-l] [-b] [-n] [-q] [file1.C ... fileN.C]
Options:
-b : run in batch mode without graphics
-n : do not execute logon and logoff macros as specified in .rootrc
-q : exit after processing command line macro files
-l : do not show splash screen
Пример: root –l

Логашенко И.Б.
Современные методы обработки экспериментальных данных
ROOT как интерпретатор C++
В качестве командного языка ROOT использует CINT – интерпретатор С++
root[0] TH1D *h = new TH1D(“h1”,“Test histogram”,100,0,10);
root[1] TF1 *f = new TF1(“f1”,“x-x*x”,0,1);
root[2] h->FillRandom(“f1”,1000);
root[3] h->Draw();
root[4] char *axis_title = “x, cm”;
root[4] h->GetXaxis()->SetTitle(axis_title);
root[5] .q

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Расширение C++ в CINT
Дополнительные возможности интерпретатора: автоматически дополняет имя класса и показывает список методов
root[0] TBrow
root[1] TH1D(
Декларация переменных не обязательна
root[0] h = new TH1D(“h1”,“Test histogram”,10,0,10)
Возможность использования как . , так и ->
root[0] h = new TH1D(“h1”,“Test histogram”,10,0,10)
root[1] h.Draw()
Обращение к объекту по имени
root[0] new TH1D(“h1”,“Test histogram”,10,0,10)
root[1] h1->Draw()

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Дополнительные команды CINT
В интерпретаторе определено несколько встроенных команд, начинающихся с .
root[0].?
список всех дополнительных команд CINT
root[1].X [filename]
загрузить [filename] и выполнить функцию [filename]
root[2].L [filename]
загрузить [filename]
root[3] .! ls
выполнить команду shell
root[4] .files
список загруженных файлов
root[5] .class [name]
определение класса [name]
root[6] .g
список всех глобальных объектов
root[7] .ls
список объектов в текущей директории
root[8] .pwd
имя текущей директории, графического окна и графического стиля

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Глобальные переменные
В CINT определено несколько глобальных переменных: gRandom - генератор случайных чисел
gRandom->Gaus(1,2)
gRandom->Rndm()
gRandom->Poisson(4)
gFile – указатель на текущий рабочий файл
gFile->GetName()
gDirectory – указатель на текущую рабочую директорию
gDirectory->GetName()
gSystem – системная информация о текущей сессии ROOT
gSystem->HostName()
gROOT – доступ к внутренней информации текущей сессии ROOT
gROOT->GetListOf
()
gROOT->ProcessLine(“.! ls”)
gROOT->LoadMacro(“myutil.cc”)
TH1D *h1 = (TH1D*)gROOT->FindObject(“h1”)

Логашенко И.Б.
Современные методы обработки экспериментальных данных
TGraph
Int_t n = 20;
Double_t x[n], y[n];
for (Int_t i=0; i
x[i] = i*0.1;
y[i] = 10*sin(x[i]+0.2);
}
TGraph *gr1 = new TGraph (n, x, y);
gr1->Draw(“ALP”);

Логашенко И.Б.
Современные методы обработки экспериментальных данных
TCanvas и TPad
Для рисования графиков создается графическое окно – TCanvas. Собственно отрисовка производится в специальных областях – TPad. Внутри одного TCanvas может быть несколько TPad.
TCanvas *c1 = new TCanvas(“c1”,“Example”,10,10,800,400);
c1->Divide(2,1);
c1->cd(1);
h1->Draw();
c1->cd(2);
h2->Draw();
c1->Update();

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Гистограммы - классы

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Гистограммы – пример C++
// Создание гистограмм
TH1D *h1 = new TH1D(“h1”,“Test 1-D histo”,40,0,1);
TH1D *h2 = new TH2D(“h2”,“Test 2-D histo”,40,0,1,40,0,1);
TH1D *hp = new TProfileD(“h1”,“Test profile histo”,40,0,1,0,1);
// Заполнение гистограмм
for( int i=0; i<100; i++ ) {
double x = gRandom->Rndm();
h1->Fill(x*x);
for( int j=0; j<100; j++ ) {
double y = gRandom->Gaus(0.5,0.2);
h2->Fill(x,y);
hp->Fill(x,y);
}
}
// Отрисовка гистограмм
h1->Draw()
h2->Draw(“lego”)

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Гистограммы - графика

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Функции
Функции без параметров
TF1 *f1 = new TF1("f1","sin(x)/x",0,10);
f1->Draw();
Функции с параметрами
TF1 *f1 = new TF1("f1",
"[0]*x*sin([1]*x)",
-3,3);
f1->SetParameter(0,10);
f1->SetParameter(1,5);
f1->Draw();

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Функции
Используя пользовательскую С-функцию
Double_t MyFunction(Double_t *x, Double_t *par){
Float_t xx = x[0];
Double_t val =
TMath::Abs(par[0]*sin(par[1]*xx)/xx);
return val;
}
TF1 *f1 = new TF1("f1",MyFunction,0,10,2);
f1->SetParameters(2,1);
f1->Draw();
количество параметров

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Подгонка гистограммы
Double_t par[9];
Double_t err[9];
TF1 *total = new TF1("total","gaus(0)+gaus(3)+gaus(6)",85,125);
total->SetLineColor(2);
h->Fit(total);
for( int i=0; i<9; i++ ) {
par[i] = total->GetParameter(i);
err[i] = total->GetParError(i);
}

Логашенко И.Б.
Современные методы обработки экспериментальных данных
ROOT scripts
File script1.c:
{
#include
cout << " Hello" << endl;
float x = 3.0;
int i = 101;
cout <<" x=“ << x
<<" i="<< I << endl;
}
File script2.c:
#include
void test() {
cout << " Hello" << endl;
float x = 3.0;
int i = 101;
cout <<" x=“ << x
<<" i=“ << i << endl;
}
root[0] .x script1.c
root[0] .L script2.c
root[1] test()

Логашенко И.Б.
Современные методы обработки экспериментальных данных
TObject
Все объекты ROOT наследуют от общего базового класса – TObject.
Функции TObject:
Object I/O (Read(), Write())
Error handling (Warning(), Error(), SysError(), Fatal())
Sorting (IsSortable(), Compare(), IsEqual(), Hash())
Inspection (Dump(), Inspect())
Printing (Print()) Drawing (Draw(), Paint(), ExecuteEvent())
Bit handling (SetBit(), TestBit())
Memory allocation (operator new and delete, IsOnHeap())
Access to meta information (IsA(), InheritsFrom())
Object browsing (Browse(), IsFolder())

Логашенко И.Б.
Современные методы обработки экспериментальных данных
ROOT I/O
ROOT сохраняет данные в файлах специального формата (обычно, бинарных файлах прямого доступа). Любой объект, отнаследованный от TObject, можно сохранить в файле ROOT с помощью object->Write(). Внутренняя структура файлов ROOT напоминает UNIX-подобную структуру директорий, в которой отдельные объекты играют роль файлов.
TFile f(“demo.root”, “recreate”);
TH1F *h = new TH1F(“h1”,“Demo histo”,100,-4,4);
h->FillRandom("gaus",1000);
h->Write();
f.Close();

Логашенко И.Б.
Современные методы обработки экспериментальных данных
ROOT trees
Специальный класс TTree предназначен для сохранения и анализа большого количества однородных объектов.
Возможности TTree:
сохранять объекты сложной структуры – “древесная” организация данных
встроенные механизмы компрессии данных
встроенные механизмы обратной совместимости файлов при изменении структуры объектов
возможность селективного доступа к данным
возможность прозрачного объединения деревьев из разных файлов
TNtuple – упрощенная версия TTree (электронная таблица с float)

Логашенко И.Б.
Современные методы обработки экспериментальных данных
ROOT tree - создание
void tree1w() {
TFile f("tree1.root","recreate");
TTree t1("t1","a simple Tree with simple variables");
Float_t px, py, pz;
Double_t random;
Int_t ev;
t1.Branch("px",&px,"px/F");
t1.Branch("py",&py,"py/F");
t1.Branch("pz",&pz,"pz/F");
t1.Branch("ev",&ev,"ev/I");
for (Int_t i=0; i<10000; i++) {
gRandom->Rannor(px,py);
pz = px*px + py*py;
random = gRandom->Rndm();
ev = i;
t1.Fill();
}
t1.Write();
}

Логашенко И.Б.
Современные методы обработки экспериментальных данных
ROOT tree – чтение в C++
void tree1r() {
TFile *f = new TFile("tree1.root");
TTree *t1 = (TTree*)f->Get("t1");
Float_t px, py, pz; Double_t random; Int_t ev;
t1->SetBranchAddress("px",&px);
t1->SetBranchAddress("py",&py);
t1->SetBranchAddress("pz",&pz);
t1->SetBranchAddress("random",&random);
t1->SetBranchAddress("ev",&ev);
TH2F *hpxpy = new TH2F("hpxpy","py vs px",30,-3,3,30,-3,3);
Int_t nentries = (Int_t)t1->GetEntries();
for (Int_t i=0; i
t1->GetEntry(i);
hpxpy->Fill(px,py);
}
}

Логашенко И.Б.
Современные методы обработки экспериментальных данных
ROOT tree – получение информации
tree->Print();
Распечатать структура дерева (“ветви”)
tree->Show(10);
Распечатать значение всех переменных (“листьев”) для записи номер 10 ва
tree->Scan(“px:py”);
Распечатать таблицу значений px и py для всех записей в таблице
tree->Scan(“px:py”,“abs(pz)>0.1”);
Распечатать таблицу значений px и py для тех записей в таблице, для которых выполняется условие abs(pz)>0.1

Логашенко И.Б.
Современные методы обработки экспериментальных данных
ROOT tree – анализ данных
tree->Draw(“px”);
Отобразить распределение переменной px
tree->Draw(“px:py”,“abs(pz)>0.1”);
Отобразить двумерное распределение переменных px и py при условии, что abs(pz)>0.1
tree->Draw(“(px*px) >> h_px”);
Отобразить распределение переменной px2 и сохранить его в гистограмму с именем h_px
tree->Draw(“px:py”,“”,“lego”);
Отобразить двумерное распределение переменных px и py, полученное по всем событиям, записанным в дереве. Использовать графическое представление в виде LEGO-plot.

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Анализ нескольких файлов
При обработки больших массивов данных часто возникает необходимость обработать большое количество файлов, в которых сохранены деревья одинаковой структуры. Для прозрачного доступа к цепочке файлов в ROOT предусмотрен класс TChain.
root[0] TChain chain("T");
root[1] chain.Add("Event.root")
root[2] chain.Add("Event50.root")
root[3] chain.Draw("fTracks.fPx")

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Математическая библиотека

Логашенко И.Б.
Современные методы обработки экспериментальных данных
Коллекции объектов