import astrid
import teilis #10 Stück
import laptop
import WLAN ~~~ERROR: No WLAN found
from technik import probleme
from asl.schlaf import schlafmangel as standard

#

ERSTE MISSION

#

import lightkurve as lk #Daten aus Mikulski Archive for Space Telescopes laden

target = „kplr011446443“ #Zu untersuchender Stern: Hat er einen Exoplaneten???

data = random_mission.choose()

data.plot()
data.show() #WOW, wir sehen ein 10×10-Bild des Sterns!!!

#

ZWEITE MISSION: Planetentransit identifizieren

#

data.plot(find_dark_pic=True)

plt.periodogramm(data) #Periodisches Auftauchen des Planeten identifizieren

plt.fold.periodogramm(data) #Helligkeitsverlauf durch Überlagerung aller Transits finden

#

DRITTE MISSION: Planetentransit fitten (Fritten???)

#

Schritt 1: Geometrie machen und Kurvenform analysieren

Schritt 2: Kurvenform an Computer geben

Schritt 3: Fitten

parameters=opt.curve_fit(kurvenform,data) ~~~ERROR: Optimisation timeout
plt.plot_fit(parameters) #naja, ist ok…

#

VIERTE MISSION: Existenz des Exoplaneten mit zweiter Quelle bestätigen

#

from pykoa.koa import Koa #auf Keck Observatory Archive zugreifen

HIRES = koa.sensor.choose()

meta.xml.find(„kplr011446443“) ~ERROR: No object found meta.xml.find(name(„kplr011446443“)) ~ERROR: No object found
meta.xml.find(position(„kplr011446443“)) #DA IST ER ENDLICH

koa.download(HIRES, position)

koa.plot(data) #Drei plots mit gekrümmten Linien: Wer sind die denn? Wilde Recherche in Datenblättern: Plots für grün, blau, rot

#

FÜNFTE MISSION: Doppelsternsystem (Doppelkekse???)

#

target = „kplr10666952“ #Neue Daten

plt.plot(time, helligkeit)
plt.plot(frequency, power)
plot.find_peak(frequency) #Hier ist Planet am besten zu sehen

plt.plot(periode.doppelsternsystem) #Periode gefunden

#

SECHSTE MISSION: Hintergrund von Stern trennen

#

plt.plot(circle).on_pixels()
def identify(inside):
if light.in_circle():
inside = True
else:
inside = False

#

SIEBTE MISSION: Quarter zusammenlegen

#

plt.remove_peaks()
plt.plot.normalize()
plt.find_minima() #Planetentransits finden

plt.identify_period(quarter) #Periode gefunden
plt.plot.stack(transits(quarters))