详细内容或原文请订阅后点击阅览
探索性数据分析：Python中的伽马光谱
让我们观察原子级的问题探索性数据分析：Python中的γ光谱法首先出现在数据科学上。
来源:走向数据科学，数据科学和数据分析可以与物理和硬件密切相关。并非所有内容都可以在云中运行，并且某些应用程序需要使用真实事物。在本文中，我将展示如何从Radiacode 103G辐射检测器和伽马光谱仪中收集数据，我们将看到可以从中获得哪种信息。我们将在Python进行此分析，我还将显示我在二手商店中获得的不同物体的伽马光谱。在下一部分中，我将使用机器学习方法自动检测对象类型和同位素。
真实 radiacode 103g本文收集的所有文件均可在Kaggle上找到，也欢迎读者自行运行所有测试。链接添加到页面末尾。
让我们开始吧！
1。硬件
读者可以从顶部图片中猜测，我们将谈论辐射。有趣的是，这总是在我们周围，辐射水平永远不会为零。从旧货店的老式手表到飞机飞行（由于宇宙射线，飞行过程中的辐射水平高约10倍，与地面相比，可以在许多地方和物体中找到辐射水平的提高。
简单地说，大部分有两种辐射探测器：
让我们参与其中，看看它是如何工作的！
2。收集数据
要获取数据，我将使用Radiacode开源库。作为一个简单的例子，让我们在30秒内收集伽马频谱：
radiacode RAWDATA