source: trunk/GSASIIpwd.py @ 2767

Last change on this file since 2767 was 2767, checked in by vondreele, 5 years ago

make clearer H->R & R->H transformation labels
implement generic unit scatterer for reflectometry (& small angle) modeling
implement plot of scattering contrast with transition markers

  • Property svn:eol-style set to native
  • Property svn:keywords set to Date Author Revision URL Id
File size: 105.8 KB
Line 
1#/usr/bin/env python
2# -*- coding: utf-8 -*-
3'''
4*GSASII powder calculation module*
5==================================
6
7'''
8########### SVN repository information ###################
9# $Date: 2017-03-31 19:41:15 +0000 (Fri, 31 Mar 2017) $
10# $Author: vondreele $
11# $Revision: 2767 $
12# $URL: trunk/GSASIIpwd.py $
13# $Id: GSASIIpwd.py 2767 2017-03-31 19:41:15Z vondreele $
14########### SVN repository information ###################
15import sys
16import math
17import time
18import os
19import subprocess as subp
20import copy
21
22import numpy as np
23import numpy.linalg as nl
24import numpy.ma as ma
25import random as rand
26from numpy.fft import ifft, fft, fftshift
27import scipy.interpolate as si
28import scipy.stats as st
29import scipy.optimize as so
30import scipy.special as sp
31
32import GSASIIpath
33GSASIIpath.SetVersionNumber("$Revision: 2767 $")
34import GSASIIlattice as G2lat
35import GSASIIspc as G2spc
36import GSASIIElem as G2elem
37import GSASIImath as G2mth
38import pypowder as pyd
39try:
40    import pydiffax as pyx
41except ImportError:
42    print 'pydiffax is not available for this platform - under develpment'
43
44   
45# trig functions in degrees
46tand = lambda x: math.tan(x*math.pi/180.)
47atand = lambda x: 180.*math.atan(x)/math.pi
48atan2d = lambda y,x: 180.*math.atan2(y,x)/math.pi
49cosd = lambda x: math.cos(x*math.pi/180.)
50acosd = lambda x: 180.*math.acos(x)/math.pi
51rdsq2d = lambda x,p: round(1.0/math.sqrt(x),p)
52#numpy versions
53npsind = lambda x: np.sin(x*np.pi/180.)
54npasind = lambda x: 180.*np.arcsin(x)/math.pi
55npcosd = lambda x: np.cos(x*math.pi/180.)
56npacosd = lambda x: 180.*np.arccos(x)/math.pi
57nptand = lambda x: np.tan(x*math.pi/180.)
58npatand = lambda x: 180.*np.arctan(x)/np.pi
59npatan2d = lambda y,x: 180.*np.arctan2(y,x)/np.pi
60npT2stl = lambda tth, wave: 2.0*npsind(tth/2.0)/wave    #=d*
61npT2q = lambda tth,wave: 2.0*np.pi*npT2stl(tth,wave)    #=2pi*d*
62ateln2 = 8.0*math.log(2.0)
63nxs = np.newaxis
64
65################################################################################
66#### Powder utilities
67################################################################################
68
69def PhaseWtSum(G2frame,histo):
70    '''
71    Calculate sum of phase mass*shase fraction for PWDR data (exclude magnetic phases)
72   
73    :param G2frame: GSASII main frame structure
74    :param str histo: histogram name
75    :returns sum(scale*mass) for phases in histo
76    '''
77    Histograms,Phases = G2frame.GetUsedHistogramsAndPhasesfromTree()
78    wtSum = 0.0
79    for phase in Phases:
80        if Phases[phase]['General']['Type'] != 'magnetic':
81            if histo in Phases[phase]['Histograms']:
82                mass = Phases[phase]['General']['Mass']
83                phFr = Phases[phase]['Histograms'][histo]['Scale'][0]
84                wtSum += mass*phFr
85    return wtSum
86   
87################################################################################
88#GSASII pdf calculation routines
89################################################################################
90       
91def Transmission(Geometry,Abs,Diam):
92    '''
93    Calculate sample transmission
94
95    :param str Geometry: one of 'Cylinder','Bragg-Brentano','Tilting flat plate in transmission','Fixed flat plate'
96    :param float Abs: absorption coeff in cm-1
97    :param float Diam: sample thickness/diameter in mm
98    '''
99    if 'Cylinder' in Geometry:      #Lobanov & Alte da Veiga for 2-theta = 0; beam fully illuminates sample
100        MuR = Abs*Diam/20.0
101        if MuR <= 3.0:
102            T0 = 16/(3.*math.pi)
103            T1 = -0.045780
104            T2 = -0.02489
105            T3 = 0.003045
106            T = -T0*MuR-T1*MuR**2-T2*MuR**3-T3*MuR**4
107            if T < -20.:
108                return 2.06e-9
109            else:
110                return math.exp(T)
111        else:
112            T1 = 1.433902
113            T2 = 0.013869+0.337894
114            T3 = 1.933433+1.163198
115            T4 = 0.044365-0.04259
116            T = (T1-T4)/(1.0+T2*(MuR-3.0))**T3+T4
117            return T/100.
118    elif 'plate' in Geometry:
119        MuR = Abs*Diam/10.
120        return math.exp(-MuR)
121    elif 'Bragg' in Geometry:
122        return 0.0
123       
124def SurfaceRough(SRA,SRB,Tth):
125    ''' Suortti (J. Appl. Cryst, 5,325-331, 1972) surface roughness correction
126    :param float SRA: Suortti surface roughness parameter
127    :param float SRB: Suortti surface roughness parameter
128    :param float Tth: 2-theta(deg) - can be numpy array
129   
130    '''
131    sth = npsind(Tth/2.)
132    T1 = np.exp(-SRB/sth)
133    T2 = SRA+(1.-SRA)*np.exp(-SRB)
134    return (SRA+(1.-SRA)*T1)/T2
135   
136def SurfaceRoughDerv(SRA,SRB,Tth):
137    ''' Suortti surface roughness correction derivatives
138    :param float SRA: Suortti surface roughness parameter (dimensionless)
139    :param float SRB: Suortti surface roughness parameter (dimensionless)
140    :param float Tth: 2-theta(deg) - can be numpy array
141    :return list: [dydSRA,dydSRB] derivatives to be used for intensity derivative
142    '''
143    sth = npsind(Tth/2.)
144    T1 = np.exp(-SRB/sth)
145    T2 = SRA+(1.-SRA)*np.exp(-SRB)
146    Trans = (SRA+(1.-SRA)*T1)/T2
147    dydSRA = ((1.-T1)*T2-(1.-np.exp(-SRB))*Trans)/T2**2
148    dydSRB = ((SRA-1.)*T1*T2/sth-Trans*(SRA-T2))/T2**2
149    return [dydSRA,dydSRB]
150
151def Absorb(Geometry,MuR,Tth,Phi=0,Psi=0):
152    '''Calculate sample absorption
153    :param str Geometry: one of 'Cylinder','Bragg-Brentano','Tilting Flat Plate in transmission','Fixed flat plate'
154    :param float MuR: absorption coeff * sample thickness/2 or radius
155    :param Tth: 2-theta scattering angle - can be numpy array
156    :param float Phi: flat plate tilt angle - future
157    :param float Psi: flat plate tilt axis - future
158    '''
159   
160    def muRunder3(MuR,Sth2):
161        T0 = 16.0/(3.*np.pi)
162        T1 = (25.99978-0.01911*Sth2**0.25)*np.exp(-0.024551*Sth2)+ \
163            0.109561*np.sqrt(Sth2)-26.04556
164        T2 = -0.02489-0.39499*Sth2+1.219077*Sth2**1.5- \
165            1.31268*Sth2**2+0.871081*Sth2**2.5-0.2327*Sth2**3
166        T3 = 0.003045+0.018167*Sth2-0.03305*Sth2**2
167        Trns = -T0*MuR-T1*MuR**2-T2*MuR**3-T3*MuR**4
168        return np.exp(Trns)
169   
170    def muRover3(MuR,Sth2):
171        T1 = 1.433902+11.07504*Sth2-8.77629*Sth2*Sth2+ \
172            10.02088*Sth2**3-3.36778*Sth2**4
173        T2 = (0.013869-0.01249*Sth2)*np.exp(3.27094*Sth2)+ \
174            (0.337894+13.77317*Sth2)/(1.0+11.53544*Sth2)**1.555039
175        T3 = 1.933433/(1.0+23.12967*Sth2)**1.686715- \
176            0.13576*np.sqrt(Sth2)+1.163198
177        T4 = 0.044365-0.04259/(1.0+0.41051*Sth2)**148.4202
178        Trns = (T1-T4)/(1.0+T2*(MuR-3.0))**T3+T4
179        return Trns/100.
180       
181    Sth2 = npsind(Tth/2.0)**2
182    if 'Cylinder' in Geometry:      #Lobanov & Alte da Veiga for 2-theta = 0; beam fully illuminates sample
183        if 'array' in str(type(MuR)):
184            MuRSTh2 = np.concatenate((MuR,Sth2))
185            AbsCr = np.where(MuRSTh2[0]<=3.0,muRunder3(MuRSTh2[0],MuRSTh2[1]),muRover3(MuRSTh2[0],MuRSTh2[1]))
186            return AbsCr
187        else:
188            if MuR <= 3.0:
189                return muRunder3(MuR,Sth2)
190            else:
191                return muRover3(MuR,Sth2)
192    elif 'Bragg' in Geometry:
193        return 1.0
194    elif 'Fixed' in Geometry: #assumes sample plane is perpendicular to incident beam
195        # and only defined for 2theta < 90
196        MuT = 2.*MuR
197        T1 = np.exp(-MuT)
198        T2 = np.exp(-MuT/npcosd(Tth))
199        Tb = MuT-MuT/npcosd(Tth)
200        return (T2-T1)/Tb
201    elif 'Tilting' in Geometry: #assumes symmetric tilt so sample plane is parallel to diffraction vector
202        MuT = 2.*MuR
203        cth = npcosd(Tth/2.0)
204        return np.exp(-MuT/cth)/cth
205       
206def AbsorbDerv(Geometry,MuR,Tth,Phi=0,Psi=0):
207    'needs a doc string'
208    dA = 0.001
209    AbsP = Absorb(Geometry,MuR+dA,Tth,Phi,Psi)
210    if MuR:
211        AbsM = Absorb(Geometry,MuR-dA,Tth,Phi,Psi)
212        return (AbsP-AbsM)/(2.0*dA)
213    else:
214        return (AbsP-1.)/dA
215       
216def Polarization(Pola,Tth,Azm=0.0):
217    """   Calculate angle dependent x-ray polarization correction (not scaled correctly!)
218
219    :param Pola: polarization coefficient e.g 1.0 fully polarized, 0.5 unpolarized
220    :param Azm: azimuthal angle e.g. 0.0 in plane of polarization
221    :param Tth: 2-theta scattering angle - can be numpy array
222      which (if either) of these is "right"?
223    :return: (pola, dpdPola)
224      * pola = ((1-Pola)*npcosd(Azm)**2+Pola*npsind(Azm)**2)*npcosd(Tth)**2+ \
225        (1-Pola)*npsind(Azm)**2+Pola*npcosd(Azm)**2
226      * dpdPola: derivative needed for least squares
227
228    """
229    pola = ((1.0-Pola)*npcosd(Azm)**2+Pola*npsind(Azm)**2)*npcosd(Tth)**2+   \
230        (1.0-Pola)*npsind(Azm)**2+Pola*npcosd(Azm)**2
231    dpdPola = -npsind(Tth)**2*(npsind(Azm)**2-npcosd(Azm)**2)
232    return pola,dpdPola
233   
234def Oblique(ObCoeff,Tth):
235    'currently assumes detector is normal to beam'
236    if ObCoeff:
237        return (1.-ObCoeff)/(1.0-np.exp(np.log(ObCoeff)/npcosd(Tth)))
238    else:
239        return 1.0
240               
241def Ruland(RulCoff,wave,Q,Compton):
242    'needs a doc string'
243    C = 2.9978e8
244    D = 1.5e-3
245    hmc = 0.024262734687
246    sinth2 = (Q*wave/(4.0*np.pi))**2
247    dlam = (wave**2)*Compton*Q/C
248    dlam_c = 2.0*hmc*sinth2-D*wave**2
249    return 1.0/((1.0+dlam/RulCoff)*(1.0+(np.pi*dlam_c/(dlam+RulCoff))**2))
250   
251def LorchWeight(Q):
252    'needs a doc string'
253    return np.sin(np.pi*(Q[-1]-Q)/(2.0*Q[-1]))
254           
255def GetAsfMean(ElList,Sthl2):
256    '''Calculate various scattering factor terms for PDF calcs
257
258    :param dict ElList: element dictionary contains scattering factor coefficients, etc.
259    :param np.array Sthl2: numpy array of sin theta/lambda squared values
260    :returns: mean(f^2), mean(f)^2, mean(compton)
261    '''
262    sumNoAtoms = 0.0
263    FF = np.zeros_like(Sthl2)
264    FF2 = np.zeros_like(Sthl2)
265    CF = np.zeros_like(Sthl2)
266    for El in ElList:
267        sumNoAtoms += ElList[El]['FormulaNo']
268    for El in ElList:
269        el = ElList[El]
270        ff2 = (G2elem.ScatFac(el,Sthl2)+el['fp'])**2+el['fpp']**2
271        cf = G2elem.ComptonFac(el,Sthl2)
272        FF += np.sqrt(ff2)*el['FormulaNo']/sumNoAtoms
273        FF2 += ff2*el['FormulaNo']/sumNoAtoms
274        CF += cf*el['FormulaNo']/sumNoAtoms
275    return FF2,FF**2,CF
276   
277def GetNumDensity(ElList,Vol):
278    'needs a doc string'
279    sumNoAtoms = 0.0
280    for El in ElList:
281        sumNoAtoms += ElList[El]['FormulaNo']
282    return sumNoAtoms/Vol
283           
284def CalcPDF(data,inst,limits,xydata):
285    '''Computes I(Q), S(Q) & G(r) from Sample, Bkg, etc. diffraction patterns loaded into
286    dict xydata; results are placed in xydata.
287    Calculation parameters are found in dicts data and inst and list limits.
288    The return value is at present an empty list.
289    '''
290    auxPlot = []
291    import scipy.fftpack as ft
292    Ibeg = np.searchsorted(xydata['Sample'][1][0],limits[0])
293    Ifin = np.searchsorted(xydata['Sample'][1][0],limits[1])+1
294    #subtract backgrounds - if any & use PWDR limits
295#    GSASIIpath.IPyBreak()
296    IofQ = copy.deepcopy(xydata['Sample'])
297    IofQ[1] = np.array(IofQ[1])[:,Ibeg:Ifin]
298    if data['Sample Bkg.']['Name']:
299        IofQ[1][1] += xydata['Sample Bkg.'][1][1][Ibeg:Ifin]*data['Sample Bkg.']['Mult']
300    if data['Container']['Name']:
301        xycontainer = xydata['Container'][1][1]*data['Container']['Mult']
302        if data['Container Bkg.']['Name']:
303            xycontainer += xydata['Container Bkg.'][1][1][Ibeg:Ifin]*data['Container Bkg.']['Mult']
304        IofQ[1][1] += xycontainer[Ibeg:Ifin]
305    data['IofQmin'] = IofQ[1][1][-1]
306    IofQ[1][1] -= data.get('Flat Bkg',0.)
307    #get element data & absorption coeff.
308    ElList = data['ElList']
309    Abs = G2lat.CellAbsorption(ElList,data['Form Vol'])
310    #Apply angle dependent corrections
311    Tth = IofQ[1][0]
312    MuR = Abs*data['Diam']/20.0
313    IofQ[1][1] /= Absorb(data['Geometry'],MuR,Tth)
314    if 'X' in inst['Type'][0]:
315        IofQ[1][1] /= Polarization(inst['Polariz.'][1],Tth,Azm=inst['Azimuth'][1])[0]
316    if data['DetType'] == 'Image plate':
317        IofQ[1][1] *= Oblique(data['ObliqCoeff'],Tth)
318    XY = IofQ[1]   
319    #convert to Q
320#    nQpoints = len(XY[0])     #points for Q interpolation
321    nQpoints = 5000
322    if 'C' in inst['Type'][0]:
323        wave = G2mth.getWave(inst)
324        minQ = npT2q(Tth[0],wave)
325        maxQ = npT2q(Tth[-1],wave)   
326        Qpoints = np.linspace(0.,maxQ,nQpoints,endpoint=True)
327        dq = Qpoints[1]-Qpoints[0]
328        XY[0] = npT2q(XY[0],wave)
329    elif 'T' in inst['Type'][0]:
330        difC = inst['difC'][1]
331        minQ = 2.*np.pi*difC/Tth[-1]
332        maxQ = 2.*np.pi*difC/Tth[0]
333        Qpoints = np.linspace(0.,maxQ,nQpoints,endpoint=True)
334        dq = Qpoints[1]-Qpoints[0]
335        XY[0] = 2.*np.pi*difC/XY[0]
336    Qdata = si.griddata(XY[0],XY[1],Qpoints,method='linear',fill_value=XY[1][0])    #interpolate I(Q)
337    Qdata -= np.min(Qdata)*data['BackRatio']
338   
339    qLimits = data['QScaleLim']
340    minQ = np.searchsorted(Qpoints,qLimits[0])
341    maxQ = np.searchsorted(Qpoints,qLimits[1])+1
342    newdata = []
343    if len(IofQ) < 3:
344        xydata['IofQ'] = [IofQ[0],[Qpoints,Qdata],'']
345    else:
346        xydata['IofQ'] = [IofQ[0],[Qpoints,Qdata],IofQ[2]]
347    for item in xydata['IofQ'][1]:
348        newdata.append(item[:maxQ])
349    xydata['IofQ'][1] = newdata
350   
351    xydata['SofQ'] = copy.deepcopy(xydata['IofQ'])
352    FFSq,SqFF,CF = GetAsfMean(ElList,(xydata['SofQ'][1][0]/(4.0*np.pi))**2)  #these are <f^2>,<f>^2,Cf
353    Q = xydata['SofQ'][1][0]
354#    auxPlot.append([Q,np.copy(CF),'CF-unCorr'])
355    ruland = Ruland(data['Ruland'],wave,Q,CF)
356#    auxPlot.append([Q,ruland,'Ruland'])     
357    CF *= ruland
358#    auxPlot.append([Q,CF,'CF-Corr'])
359    scale = np.sum((FFSq+CF)[minQ:maxQ])/np.sum(xydata['SofQ'][1][1][minQ:maxQ])
360    xydata['SofQ'][1][1] *= scale
361    xydata['SofQ'][1][1] -= CF
362    xydata['SofQ'][1][1] = xydata['SofQ'][1][1]/SqFF
363    scale = len(xydata['SofQ'][1][1][minQ:maxQ])/np.sum(xydata['SofQ'][1][1][minQ:maxQ])
364    xydata['SofQ'][1][1] *= scale
365    xydata['FofQ'] = copy.deepcopy(xydata['SofQ'])
366    xydata['FofQ'][1][1] = xydata['FofQ'][1][0]*(xydata['SofQ'][1][1]-1.0)
367    if data['Lorch']:
368        xydata['FofQ'][1][1] *= LorchWeight(Q)   
369    xydata['GofR'] = copy.deepcopy(xydata['FofQ'])
370    nR = len(xydata['GofR'][1][1])
371    mul = int(round(2.*np.pi*nR/(data.get('Rmax',100.)*qLimits[1])))
372    xydata['GofR'][1][0] = 2.*np.pi*np.linspace(0,nR,nR,endpoint=True)/(mul*qLimits[1])
373    xydata['GofR'][1][1] = -dq*np.imag(ft.fft(xydata['FofQ'][1][1],mul*nR)[:nR])
374    if data.get('noRing',True):
375        xydata['GofR'][1][1] = np.where(xydata['GofR'][1][0]<0.5,0.,xydata['GofR'][1][1])
376    return auxPlot
377   
378def PDFPeakFit(peaks,data):
379    rs2pi = 1./np.sqrt(2*np.pi)
380   
381    def MakeParms(peaks):
382        varyList = []
383        parmDict = {'slope':peaks['Background'][1][1]}
384        if peaks['Background'][2]:
385            varyList.append('slope')
386        for i,peak in enumerate(peaks['Peaks']):
387            parmDict['PDFpos;'+str(i)] = peak[0]
388            parmDict['PDFmag;'+str(i)] = peak[1]
389            parmDict['PDFsig;'+str(i)] = peak[2]
390            if 'P' in peak[3]:
391                varyList.append('PDFpos;'+str(i))
392            if 'M' in peak[3]:
393                varyList.append('PDFmag;'+str(i))
394            if 'S' in peak[3]:
395                varyList.append('PDFsig;'+str(i))
396        return parmDict,varyList
397       
398    def SetParms(peaks,parmDict,varyList):
399        if 'slope' in varyList:
400            peaks['Background'][1][1] = parmDict['slope']
401        for i,peak in enumerate(peaks['Peaks']):
402            if 'PDFpos;'+str(i) in varyList:
403                peak[0] = parmDict['PDFpos;'+str(i)]
404            if 'PDFmag;'+str(i) in varyList:
405                peak[1] = parmDict['PDFmag;'+str(i)]
406            if 'PDFsig;'+str(i) in varyList:
407                peak[2] = parmDict['PDFsig;'+str(i)]
408       
409   
410    def CalcPDFpeaks(parmdict,Xdata):
411        Z = parmDict['slope']*Xdata
412        ipeak = 0
413        while True:
414            try:
415                pos = parmdict['PDFpos;'+str(ipeak)]
416                mag = parmdict['PDFmag;'+str(ipeak)]
417                wid = parmdict['PDFsig;'+str(ipeak)]
418                wid2 = 2.*wid**2
419                Z += mag*rs2pi*np.exp(-(Xdata-pos)**2/wid2)/wid
420                ipeak += 1
421            except KeyError:        #no more peaks to process
422                return Z
423               
424    def errPDFProfile(values,xdata,ydata,parmdict,varylist):       
425        parmdict.update(zip(varylist,values))
426        M = CalcPDFpeaks(parmdict,xdata)-ydata
427        return M
428           
429    newpeaks = copy.copy(peaks)
430    iBeg = np.searchsorted(data[1][0],newpeaks['Limits'][0])
431    iFin = np.searchsorted(data[1][0],newpeaks['Limits'][1])+1
432    X = data[1][0][iBeg:iFin]
433    Y = data[1][1][iBeg:iFin]
434    parmDict,varyList = MakeParms(peaks)
435    if not len(varyList):
436        print ' Nothing varied'
437        return newpeaks,None,None,None,None,None
438   
439    Rvals = {}
440    values =  np.array(Dict2Values(parmDict, varyList))
441    result = so.leastsq(errPDFProfile,values,full_output=True,ftol=0.0001,
442           args=(X,Y,parmDict,varyList))
443    chisq = np.sum(result[2]['fvec']**2)
444    Values2Dict(parmDict, varyList, result[0])
445    SetParms(peaks,parmDict,varyList)
446    Rvals['Rwp'] = np.sqrt(chisq/np.sum(Y**2))*100.      #to %
447    chisq = np.sum(result[2]['fvec']**2)/(len(X)-len(values))   #reduced chi^2 = M/(Nobs-Nvar)
448    sigList = list(np.sqrt(chisq*np.diag(result[1])))   
449    Z = CalcPDFpeaks(parmDict,X)
450    newpeaks['calc'] = [X,Z]
451    return newpeaks,result[0],varyList,sigList,parmDict,Rvals   
452   
453def MakeRDF(RDFcontrols,background,inst,pwddata):
454    import scipy.fftpack as ft
455    import scipy.signal as signal
456    auxPlot = []
457    if 'C' in inst['Type'][0]:
458        Tth = pwddata[0]
459        wave = G2mth.getWave(inst)
460        minQ = npT2q(Tth[0],wave)
461        maxQ = npT2q(Tth[-1],wave)
462        powQ = npT2q(Tth,wave) 
463    elif 'T' in inst['Type'][0]:
464        TOF = pwddata[0]
465        difC = inst['difC'][1]
466        minQ = 2.*np.pi*difC/TOF[-1]
467        maxQ = 2.*np.pi*difC/TOF[0]
468        powQ = 2.*np.pi*difC/TOF
469    piDQ = np.pi/(maxQ-minQ)
470    Qpoints = np.linspace(minQ,maxQ,len(pwddata[0]),endpoint=True)
471    if RDFcontrols['UseObsCalc']:
472        Qdata = si.griddata(powQ,pwddata[1]-pwddata[3],Qpoints,method=RDFcontrols['Smooth'],fill_value=0.)
473    else:
474        Qdata = si.griddata(powQ,pwddata[1]-pwddata[4],Qpoints,method=RDFcontrols['Smooth'],fill_value=pwddata[1][0])
475    Qdata *= np.sin((Qpoints-minQ)*piDQ)/piDQ
476    Qdata *= 0.5*np.sqrt(Qpoints)       #Qbin normalization
477#    GSASIIpath.IPyBreak()
478    dq = Qpoints[1]-Qpoints[0]
479    nR = len(Qdata)
480    R = 0.5*np.pi*np.linspace(0,nR,nR)/(4.*maxQ)
481    iFin = np.searchsorted(R,RDFcontrols['maxR'])+1
482    bBut,aBut = signal.butter(4,0.01)
483    Qsmooth = signal.filtfilt(bBut,aBut,Qdata)
484#    auxPlot.append([Qpoints,Qdata,'interpolate:'+RDFcontrols['Smooth']])
485#    auxPlot.append([Qpoints,Qsmooth,'interpolate:'+RDFcontrols['Smooth']])
486    DofR = dq*np.imag(ft.fft(Qsmooth,16*nR)[:nR])
487    auxPlot.append([R[:iFin],DofR[:iFin],'D(R)'])   
488    return auxPlot
489
490################################################################################       
491#GSASII peak fitting routines: Finger, Cox & Jephcoat model       
492################################################################################
493
494def factorize(num):
495    ''' Provide prime number factors for integer num
496    :returns: dictionary of prime factors (keys) & power for each (data)
497    '''
498    factors = {}
499    orig = num
500
501    # we take advantage of the fact that (i +1)**2 = i**2 + 2*i +1
502    i, sqi = 2, 4
503    while sqi <= num:
504        while not num%i:
505            num /= i
506            factors[i] = factors.get(i, 0) + 1
507
508        sqi += 2*i + 1
509        i += 1
510
511    if num != 1 and num != orig:
512        factors[num] = factors.get(num, 0) + 1
513
514    if factors:
515        return factors
516    else:
517        return {num:1}          #a prime number!
518           
519def makeFFTsizeList(nmin=1,nmax=1023,thresh=15):
520    ''' Provide list of optimal data sizes for FFT calculations
521
522    :param int nmin: minimum data size >= 1
523    :param int nmax: maximum data size > nmin
524    :param int thresh: maximum prime factor allowed
525    :Returns: list of data sizes where the maximum prime factor is < thresh
526    ''' 
527    plist = []
528    nmin = max(1,nmin)
529    nmax = max(nmin+1,nmax)
530    for p in range(nmin,nmax):
531        if max(factorize(p).keys()) < thresh:
532            plist.append(p)
533    return plist
534
535np.seterr(divide='ignore')
536
537# Normal distribution
538
539# loc = mu, scale = std
540_norm_pdf_C = 1./math.sqrt(2*math.pi)
541class norm_gen(st.rv_continuous):
542    'needs a doc string'
543     
544    def pdf(self,x,*args,**kwds):
545        loc,scale=kwds['loc'],kwds['scale']
546        x = (x-loc)/scale
547        return np.exp(-x**2/2.0) * _norm_pdf_C / scale
548       
549norm = norm_gen(name='norm',longname='A normal',extradoc="""
550
551Normal distribution
552
553The location (loc) keyword specifies the mean.
554The scale (scale) keyword specifies the standard deviation.
555
556normal.pdf(x) = exp(-x**2/2)/sqrt(2*pi)
557""")
558
559## Cauchy
560
561# median = loc
562
563class cauchy_gen(st.rv_continuous):
564    'needs a doc string'
565
566    def pdf(self,x,*args,**kwds):
567        loc,scale=kwds['loc'],kwds['scale']
568        x = (x-loc)/scale
569        return 1.0/np.pi/(1.0+x*x) / scale
570       
571cauchy = cauchy_gen(name='cauchy',longname='Cauchy',extradoc="""
572
573Cauchy distribution
574
575cauchy.pdf(x) = 1/(pi*(1+x**2))
576
577This is the t distribution with one degree of freedom.
578""")
579   
580   
581#GSASII peak fitting routine: Finger, Cox & Jephcoat model       
582
583
584class fcjde_gen(st.rv_continuous):
585    """
586    Finger-Cox-Jephcoat D(2phi,2th) function for S/L = H/L
587    Ref: J. Appl. Cryst. (1994) 27, 892-900.
588
589    :param x: array -1 to 1
590    :param t: 2-theta position of peak
591    :param s: sum(S/L,H/L); S: sample height, H: detector opening,
592      L: sample to detector opening distance
593    :param dx: 2-theta step size in deg
594
595    :returns: for fcj.pdf
596
597     * T = x*dx+t
598     * s = S/L+H/L
599     * if x < 0::
600
601        fcj.pdf = [1/sqrt({cos(T)**2/cos(t)**2}-1) - 1/s]/|cos(T)|
602
603     * if x >= 0: fcj.pdf = 0   
604    """
605    def _pdf(self,x,t,s,dx):
606        T = dx*x+t
607        ax2 = abs(npcosd(T))
608        ax = ax2**2
609        bx = npcosd(t)**2
610        bx = np.where(ax>bx,bx,ax)
611        fx = np.where(ax>bx,(np.sqrt(bx/(ax-bx))-1./s)/ax2,0.0)
612        fx = np.where(fx > 0.,fx,0.0)
613        return fx
614             
615    def pdf(self,x,*args,**kwds):
616        loc=kwds['loc']
617        return self._pdf(x-loc,*args)
618       
619fcjde = fcjde_gen(name='fcjde',shapes='t,s,dx')
620               
621def getWidthsCW(pos,sig,gam,shl):
622    '''Compute the peak widths used for computing the range of a peak
623    for constant wavelength data. On low-angle side, 50 FWHM are used,
624    on high-angle side 75 are used, low angle side extended for axial divergence
625    (for peaks above 90 deg, these are reversed.)
626    '''
627    widths = [np.sqrt(sig)/100.,gam/100.]
628    fwhm = 2.355*widths[0]+widths[1]
629    fmin = 50.*(fwhm+shl*abs(npcosd(pos)))
630    fmax = 75.0*fwhm
631    if pos > 90:
632        fmin,fmax = [fmax,fmin]         
633    return widths,fmin,fmax
634   
635def getWidthsTOF(pos,alp,bet,sig,gam):
636    '''Compute the peak widths used for computing the range of a peak
637    for constant wavelength data. 50 FWHM are used on both sides each
638    extended by exponential coeff.
639    '''
640    widths = [np.sqrt(sig),gam]
641    fwhm = 2.355*widths[0]+2.*widths[1]
642    fmin = 50.*fwhm*(1.+1./alp)   
643    fmax = 50.*fwhm*(1.+1./bet)
644    return widths,fmin,fmax
645   
646def getFWHM(pos,Inst):
647    '''Compute total FWHM from Thompson, Cox & Hastings (1987), J. Appl. Cryst. 20, 79-83
648    via getgamFW(g,s).
649   
650    :param pos: float peak position in deg 2-theta or tof in musec
651    :param Inst: dict instrument parameters
652   
653    :returns float: total FWHM of pseudoVoigt in deg or musec
654    ''' 
655   
656    sig = lambda Th,U,V,W: np.sqrt(max(0.001,U*tand(Th)**2+V*tand(Th)+W))
657    sigTOF = lambda dsp,S0,S1,S2,Sq: np.sqrt(S0+S1*dsp**2+S2*dsp**4+Sq/dsp**2)
658    gam = lambda Th,X,Y: (X/cosd(Th)+Y*tand(Th))
659    gamTOF = lambda dsp,X,Y: X*dsp+Y*dsp**2
660    if 'C' in Inst['Type'][0]:
661        s = sig(pos/2.,Inst['U'][1],Inst['V'][1],Inst['W'][1])
662        g = gam(pos/2.,Inst['X'][1],Inst['Y'][1])
663        return getgamFW(g,s)/100.  #returns FWHM in deg
664    else:
665        dsp = pos/Inst['difC'][0]
666        s = sigTOF(dsp,Inst['sig-0'][1],Inst['sig-1'][1],Inst['sig-2'][1],Inst['sig-q'][1])
667        g = gamTOF(dsp,Inst['X'][1],Inst['Y'][1])
668        return getgamFW(g,s)
669   
670def getgamFW(g,s):
671    '''Compute total FWHM from Thompson, Cox & Hastings (1987), J. Appl. Cryst. 20, 79-83
672    lambda fxn needs FWHM for both Gaussian & Lorentzian components
673   
674    :param g: float Lorentzian gamma = FWHM(L)
675    :param s: float Gaussian sig
676   
677    :returns float: total FWHM of pseudoVoigt
678    ''' 
679    gamFW = lambda s,g: np.exp(np.log(s**5+2.69269*s**4*g+2.42843*s**3*g**2+4.47163*s**2*g**3+0.07842*s*g**4+g**5)/5.)
680    return gamFW(2.35482*s,g)   #sqrt(8ln2)*sig = FWHM(G)
681               
682def getFCJVoigt(pos,intens,sig,gam,shl,xdata):   
683    'needs a doc string'
684    DX = xdata[1]-xdata[0]
685    widths,fmin,fmax = getWidthsCW(pos,sig,gam,shl)
686    x = np.linspace(pos-fmin,pos+fmin,256)
687    dx = x[1]-x[0]
688    Norm = norm.pdf(x,loc=pos,scale=widths[0])
689    Cauchy = cauchy.pdf(x,loc=pos,scale=widths[1])
690    arg = [pos,shl/57.2958,dx,]
691    FCJ = fcjde.pdf(x,*arg,loc=pos)
692    if len(np.nonzero(FCJ)[0])>5:
693        z = np.column_stack([Norm,Cauchy,FCJ]).T
694        Z = fft(z)
695        Df = ifft(Z.prod(axis=0)).real
696    else:
697        z = np.column_stack([Norm,Cauchy]).T
698        Z = fft(z)
699        Df = fftshift(ifft(Z.prod(axis=0))).real
700    Df /= np.sum(Df)
701    Df = si.interp1d(x,Df,bounds_error=False,fill_value=0.0)
702    return intens*Df(xdata)*DX/dx
703
704def getBackground(pfx,parmDict,bakType,dataType,xdata):
705    'needs a doc string'
706    if 'T' in dataType:
707        q = 2.*np.pi*parmDict[pfx+'difC']/xdata
708    elif 'C' in dataType:
709        wave = parmDict.get(pfx+'Lam',parmDict.get(pfx+'Lam1',1.0))
710        q = npT2q(xdata,wave)
711    yb = np.zeros_like(xdata)
712    nBak = 0
713    cw = np.diff(xdata)
714    cw = np.append(cw,cw[-1])
715    sumBk = [0.,0.,0]
716    while True:
717        key = pfx+'Back;'+str(nBak)
718        if key in parmDict:
719            nBak += 1
720        else:
721            break
722#empirical functions
723    if bakType in ['chebyschev','cosine']:
724        dt = xdata[-1]-xdata[0]   
725        for iBak in range(nBak):
726            key = pfx+'Back;'+str(iBak)
727            if bakType == 'chebyschev':
728                ybi = parmDict[key]*(-1.+2.*(xdata-xdata[0])/dt)**iBak
729            elif bakType == 'cosine':
730                ybi = parmDict[key]*npcosd(180.*xdata*iBak/xdata[-1])
731            yb += ybi
732        sumBk[0] = np.sum(yb)
733    elif bakType in ['Q^2 power series','Q^-2 power series']:
734        QT = 1.
735        yb += np.ones_like(yb)*parmDict[pfx+'Back;0']
736        for iBak in range(nBak-1):
737            key = pfx+'Back;'+str(iBak+1)
738            if '-2' in bakType:
739                QT *= (iBak+1)*q**-2
740            else:
741                QT *= q**2/(iBak+1)
742            yb += QT*parmDict[key]
743        sumBk[0] = np.sum(yb)
744    elif bakType in ['lin interpolate','inv interpolate','log interpolate',]:
745        if nBak == 1:
746            yb = np.ones_like(xdata)*parmDict[pfx+'Back;0']
747        elif nBak == 2:
748            dX = xdata[-1]-xdata[0]
749            T2 = (xdata-xdata[0])/dX
750            T1 = 1.0-T2
751            yb = parmDict[pfx+'Back;0']*T1+parmDict[pfx+'Back;1']*T2
752        else:
753            if bakType == 'lin interpolate':
754                bakPos = np.linspace(xdata[0],xdata[-1],nBak,True)
755            elif bakType == 'inv interpolate':
756                bakPos = 1./np.linspace(1./xdata[-1],1./xdata[0],nBak,True)
757            elif bakType == 'log interpolate':
758                bakPos = np.exp(np.linspace(np.log(xdata[0]),np.log(xdata[-1]),nBak,True))
759            bakPos[0] = xdata[0]
760            bakPos[-1] = xdata[-1]
761            bakVals = np.zeros(nBak)
762            for i in range(nBak):
763                bakVals[i] = parmDict[pfx+'Back;'+str(i)]
764            bakInt = si.interp1d(bakPos,bakVals,'linear')
765            yb = bakInt(ma.getdata(xdata))
766        sumBk[0] = np.sum(yb)
767#Debye function       
768    if pfx+'difC' in parmDict:
769        ff = 1.
770    else:       
771        try:
772            wave = parmDict[pfx+'Lam']
773        except KeyError:
774            wave = parmDict[pfx+'Lam1']
775        SQ = (q/(4.*np.pi))**2
776        FF = G2elem.GetFormFactorCoeff('Si')[0]
777        ff = np.array(G2elem.ScatFac(FF,SQ)[0])**2
778    iD = 0       
779    while True:
780        try:
781            dbA = parmDict[pfx+'DebyeA;'+str(iD)]
782            dbR = parmDict[pfx+'DebyeR;'+str(iD)]
783            dbU = parmDict[pfx+'DebyeU;'+str(iD)]
784            ybi = ff*dbA*np.sin(q*dbR)*np.exp(-dbU*q**2)/(q*dbR)
785            yb += ybi
786            sumBk[1] += np.sum(ybi)
787            iD += 1       
788        except KeyError:
789            break
790#peaks
791    iD = 0
792    while True:
793        try:
794            pkP = parmDict[pfx+'BkPkpos;'+str(iD)]
795            pkI = parmDict[pfx+'BkPkint;'+str(iD)]
796            pkS = parmDict[pfx+'BkPksig;'+str(iD)]
797            pkG = parmDict[pfx+'BkPkgam;'+str(iD)]
798            if 'C' in dataType:
799                Wd,fmin,fmax = getWidthsCW(pkP,pkS,pkG,.002)
800            else: #'T'OF
801                Wd,fmin,fmax = getWidthsTOF(pkP,1.,1.,pkS,pkG)
802            iBeg = np.searchsorted(xdata,pkP-fmin)
803            iFin = np.searchsorted(xdata,pkP+fmax)
804            lenX = len(xdata)
805            if not iBeg:
806                iFin = np.searchsorted(xdata,pkP+fmax)
807            elif iBeg == lenX:
808                iFin = iBeg
809            else:
810                iFin = np.searchsorted(xdata,pkP+fmax)
811            if 'C' in dataType:
812                ybi = pkI*getFCJVoigt3(pkP,pkS,pkG,0.002,xdata[iBeg:iFin])
813                yb[iBeg:iFin] += ybi
814            else:   #'T'OF
815                ybi = pkI*getEpsVoigt(pkP,1.,1.,pkS,pkG,xdata[iBeg:iFin])
816                yb[iBeg:iFin] += ybi
817            sumBk[2] += np.sum(ybi)
818            iD += 1       
819        except KeyError:
820            break
821        except ValueError:
822            print '**** WARNING - backround peak '+str(iD)+' sigma is negative; fix & try again ****'
823            break       
824    return yb,sumBk
825   
826def getBackgroundDerv(hfx,parmDict,bakType,dataType,xdata):
827    'needs a doc string'
828    if 'T' in dataType:
829        q = 2.*np.pi*parmDict[hfx+'difC']/xdata
830    elif 'C' in dataType:
831        wave = parmDict.get(hfx+'Lam',parmDict.get(hfx+'Lam1',1.0))
832        q = 2.*np.pi*npsind(xdata/2.)/wave
833    nBak = 0
834    while True:
835        key = hfx+'Back;'+str(nBak)
836        if key in parmDict:
837            nBak += 1
838        else:
839            break
840    dydb = np.zeros(shape=(nBak,len(xdata)))
841    dyddb = np.zeros(shape=(3*parmDict[hfx+'nDebye'],len(xdata)))
842    dydpk = np.zeros(shape=(4*parmDict[hfx+'nPeaks'],len(xdata)))
843    cw = np.diff(xdata)
844    cw = np.append(cw,cw[-1])
845
846    if bakType in ['chebyschev','cosine']:
847        dt = xdata[-1]-xdata[0]   
848        for iBak in range(nBak):   
849            if bakType == 'chebyschev':
850                dydb[iBak] = (-1.+2.*(xdata-xdata[0])/dt)**iBak
851            elif bakType == 'cosine':
852                dydb[iBak] = npcosd(180.*xdata*iBak/xdata[-1])
853    elif bakType in ['Q^2 power series','Q^-2 power series']:
854        QT = 1.
855        dydb[0] = np.ones_like(xdata)
856        for iBak in range(nBak-1):
857            if '-2' in bakType:
858                QT *= (iBak+1)*q**-2
859            else:
860                QT *= q**2/(iBak+1)
861            dydb[iBak+1] = QT
862    elif bakType in ['lin interpolate','inv interpolate','log interpolate',]:
863        if nBak == 1:
864            dydb[0] = np.ones_like(xdata)
865        elif nBak == 2:
866            dX = xdata[-1]-xdata[0]
867            T2 = (xdata-xdata[0])/dX
868            T1 = 1.0-T2
869            dydb = [T1,T2]
870        else:
871            if bakType == 'lin interpolate':
872                bakPos = np.linspace(xdata[0],xdata[-1],nBak,True)
873            elif bakType == 'inv interpolate':
874                bakPos = 1./np.linspace(1./xdata[-1],1./xdata[0],nBak,True)
875            elif bakType == 'log interpolate':
876                bakPos = np.exp(np.linspace(np.log(xdata[0]),np.log(xdata[-1]),nBak,True))
877            bakPos[0] = xdata[0]
878            bakPos[-1] = xdata[-1]
879            for i,pos in enumerate(bakPos):
880                if i == 0:
881                    dydb[0] = np.where(xdata<bakPos[1],(bakPos[1]-xdata)/(bakPos[1]-bakPos[0]),0.)
882                elif i == len(bakPos)-1:
883                    dydb[i] = np.where(xdata>bakPos[-2],(bakPos[-1]-xdata)/(bakPos[-1]-bakPos[-2]),0.)
884                else:
885                    dydb[i] = np.where(xdata>bakPos[i],
886                        np.where(xdata<bakPos[i+1],(bakPos[i+1]-xdata)/(bakPos[i+1]-bakPos[i]),0.),
887                        np.where(xdata>bakPos[i-1],(xdata-bakPos[i-1])/(bakPos[i]-bakPos[i-1]),0.))
888    if hfx+'difC' in parmDict:
889        ff = 1.
890    else:
891        wave = parmDict.get(hfx+'Lam',parmDict.get(hfx+'Lam1',1.0))
892        q = npT2q(xdata,wave)
893        SQ = (q/(4*np.pi))**2
894        FF = G2elem.GetFormFactorCoeff('Si')[0]
895        ff = np.array(G2elem.ScatFac(FF,SQ)[0])*np.pi**2    #needs pi^2~10. for cw data (why?)
896    iD = 0       
897    while True:
898        try:
899            if hfx+'difC' in parmDict:
900                q = 2*np.pi*parmDict[hfx+'difC']/xdata
901            dbA = parmDict[hfx+'DebyeA;'+str(iD)]
902            dbR = parmDict[hfx+'DebyeR;'+str(iD)]
903            dbU = parmDict[hfx+'DebyeU;'+str(iD)]
904            sqr = np.sin(q*dbR)/(q*dbR)
905            cqr = np.cos(q*dbR)
906            temp = np.exp(-dbU*q**2)
907            dyddb[3*iD] = ff*sqr*temp
908            dyddb[3*iD+1] = ff*dbA*temp*(cqr-sqr)/(dbR)
909            dyddb[3*iD+2] = -ff*dbA*sqr*temp*q**2
910            iD += 1
911        except KeyError:
912            break
913    iD = 0
914    while True:
915        try:
916            pkP = parmDict[hfx+'BkPkpos;'+str(iD)]
917            pkI = parmDict[hfx+'BkPkint;'+str(iD)]
918            pkS = parmDict[hfx+'BkPksig;'+str(iD)]
919            pkG = parmDict[hfx+'BkPkgam;'+str(iD)]
920            if 'C' in dataType:
921                Wd,fmin,fmax = getWidthsCW(pkP,pkS,pkG,.002)
922            else: #'T'OF
923                Wd,fmin,fmax = getWidthsTOF(pkP,1.,1.,pkS,pkG)
924            iBeg = np.searchsorted(xdata,pkP-fmin)
925            iFin = np.searchsorted(xdata,pkP+fmax)
926            lenX = len(xdata)
927            if not iBeg:
928                iFin = np.searchsorted(xdata,pkP+fmax)
929            elif iBeg == lenX:
930                iFin = iBeg
931            else:
932                iFin = np.searchsorted(xdata,pkP+fmax)
933            if 'C' in dataType:
934                Df,dFdp,dFds,dFdg,x = getdFCJVoigt3(pkP,pkS,pkG,.002,xdata[iBeg:iFin])
935                dydpk[4*iD][iBeg:iFin] += 100.*cw[iBeg:iFin]*pkI*dFdp
936                dydpk[4*iD+1][iBeg:iFin] += 100.*cw[iBeg:iFin]*Df
937                dydpk[4*iD+2][iBeg:iFin] += 100.*cw[iBeg:iFin]*pkI*dFds
938                dydpk[4*iD+3][iBeg:iFin] += 100.*cw[iBeg:iFin]*pkI*dFdg
939            else:   #'T'OF
940                Df,dFdp,x,x,dFds,dFdg = getdEpsVoigt(pkP,1.,1.,pkS,pkG,xdata[iBeg:iFin])
941                dydpk[4*iD][iBeg:iFin] += pkI*dFdp
942                dydpk[4*iD+1][iBeg:iFin] += Df
943                dydpk[4*iD+2][iBeg:iFin] += pkI*dFds
944                dydpk[4*iD+3][iBeg:iFin] += pkI*dFdg
945            iD += 1       
946        except KeyError:
947            break
948        except ValueError:
949            print '**** WARNING - backround peak '+str(iD)+' sigma is negative; fix & try again ****'
950            break       
951    return dydb,dyddb,dydpk
952
953#use old fortran routine
954def getFCJVoigt3(pos,sig,gam,shl,xdata):
955    'needs a doc string'
956   
957    Df = pyd.pypsvfcj(len(xdata),xdata-pos,pos,sig,gam,shl)
958#    Df = pyd.pypsvfcjo(len(xdata),xdata-pos,pos,sig,gam,shl)
959    Df /= np.sum(Df)
960    return Df
961
962def getdFCJVoigt3(pos,sig,gam,shl,xdata):
963    'needs a doc string'
964   
965    Df,dFdp,dFds,dFdg,dFdsh = pyd.pydpsvfcj(len(xdata),xdata-pos,pos,sig,gam,shl)
966#    Df,dFdp,dFds,dFdg,dFdsh = pyd.pydpsvfcjo(len(xdata),xdata-pos,pos,sig,gam,shl)
967    return Df,dFdp,dFds,dFdg,dFdsh
968
969def getPsVoigt(pos,sig,gam,xdata):
970    'needs a doc string'
971   
972    Df = pyd.pypsvoigt(len(xdata),xdata-pos,sig,gam)
973    Df /= np.sum(Df)
974    return Df
975
976def getdPsVoigt(pos,sig,gam,xdata):
977    'needs a doc string'
978   
979    Df,dFdp,dFds,dFdg = pyd.pydpsvoigt(len(xdata),xdata-pos,sig,gam)
980    return Df,dFdp,dFds,dFdg
981
982def getEpsVoigt(pos,alp,bet,sig,gam,xdata):
983    'needs a doc string'
984    Df = pyd.pyepsvoigt(len(xdata),xdata-pos,alp,bet,sig,gam)
985    Df /= np.sum(Df)
986    return Df 
987   
988def getdEpsVoigt(pos,alp,bet,sig,gam,xdata):
989    'needs a doc string'
990    Df,dFdp,dFda,dFdb,dFds,dFdg = pyd.pydepsvoigt(len(xdata),xdata-pos,alp,bet,sig,gam)
991    return Df,dFdp,dFda,dFdb,dFds,dFdg   
992
993def ellipseSize(H,Sij,GB):
994    'needs a doc string'
995    HX = np.inner(H.T,GB)
996    lenHX = np.sqrt(np.sum(HX**2))
997    Esize,Rsize = nl.eigh(G2lat.U6toUij(Sij))           
998    R = np.inner(HX/lenHX,Rsize)*Esize         #want column length for hkl in crystal
999    lenR = np.sqrt(np.sum(R**2))
1000    return lenR
1001
1002def ellipseSizeDerv(H,Sij,GB):
1003    'needs a doc string'
1004    lenR = ellipseSize(H,Sij,GB)
1005    delt = 0.001
1006    dRdS = np.zeros(6)
1007    for i in range(6):
1008        Sij[i] -= delt
1009        lenM = ellipseSize(H,Sij,GB)
1010        Sij[i] += 2.*delt
1011        lenP = ellipseSize(H,Sij,GB)
1012        Sij[i] -= delt
1013        dRdS[i] = (lenP-lenM)/(2.*delt)
1014    return lenR,dRdS
1015
1016def getHKLpeak(dmin,SGData,A,Inst=None):
1017    'needs a doc string'
1018    HKL = G2lat.GenHLaue(dmin,SGData,A)       
1019    HKLs = []
1020    for h,k,l,d in HKL:
1021        ext = G2spc.GenHKLf([h,k,l],SGData)[0]
1022        if not ext:
1023            if Inst == None:
1024                HKLs.append([h,k,l,d,0,-1])
1025            else:
1026                HKLs.append([h,k,l,d,G2lat.Dsp2pos(Inst,d),-1])
1027    return HKLs
1028
1029def getHKLMpeak(dmin,Inst,SGData,SSGData,Vec,maxH,A):
1030    'needs a doc string'
1031    HKLs = []
1032    vec = np.array(Vec)
1033    vstar = np.sqrt(G2lat.calc_rDsq(vec,A))     #find extra needed for -n SS reflections
1034    dvec = 1./(maxH*vstar+1./dmin)
1035    HKL = G2lat.GenHLaue(dvec,SGData,A)       
1036    SSdH = [vec*h for h in range(-maxH,maxH+1)]
1037    SSdH = dict(zip(range(-maxH,maxH+1),SSdH))
1038    for h,k,l,d in HKL:
1039        ext = G2spc.GenHKLf([h,k,l],SGData)[0]
1040        if not ext and d >= dmin:
1041            HKLs.append([h,k,l,0,d,G2lat.Dsp2pos(Inst,d),-1])
1042        for dH in SSdH:
1043            if dH:
1044                DH = SSdH[dH]
1045                H = [h+DH[0],k+DH[1],l+DH[2]]
1046                d = float(1/np.sqrt(G2lat.calc_rDsq(H,A)))
1047                if d >= dmin:
1048                    HKLM = np.array([h,k,l,dH])
1049                    if G2spc.checkSSextc(HKLM,SSGData):
1050                        HKLs.append([h,k,l,dH,d,G2lat.Dsp2pos(Inst,d),-1])   
1051#    GSASIIpath.IPyBreak()
1052    return G2lat.sortHKLd(HKLs,True,True,True)
1053
1054def getPeakProfile(dataType,parmDict,xdata,varyList,bakType):
1055    'needs a doc string'
1056   
1057    yb = getBackground('',parmDict,bakType,dataType,xdata)[0]
1058    yc = np.zeros_like(yb)
1059    cw = np.diff(xdata)
1060    cw = np.append(cw,cw[-1])
1061    if 'C' in dataType:
1062        shl = max(parmDict['SH/L'],0.002)
1063        Ka2 = False
1064        if 'Lam1' in parmDict.keys():
1065            Ka2 = True
1066            lamRatio = 360*(parmDict['Lam2']-parmDict['Lam1'])/(np.pi*parmDict['Lam1'])
1067            kRatio = parmDict['I(L2)/I(L1)']
1068        iPeak = 0
1069        while True:
1070            try:
1071                pos = parmDict['pos'+str(iPeak)]
1072                tth = (pos-parmDict['Zero'])
1073                intens = parmDict['int'+str(iPeak)]
1074                sigName = 'sig'+str(iPeak)
1075                if sigName in varyList:
1076                    sig = parmDict[sigName]
1077                else:
1078                    sig = G2mth.getCWsig(parmDict,tth)
1079                sig = max(sig,0.001)          #avoid neg sigma^2
1080                gamName = 'gam'+str(iPeak)
1081                if gamName in varyList:
1082                    gam = parmDict[gamName]
1083                else:
1084                    gam = G2mth.getCWgam(parmDict,tth)
1085                gam = max(gam,0.001)             #avoid neg gamma
1086                Wd,fmin,fmax = getWidthsCW(pos,sig,gam,shl)
1087                iBeg = np.searchsorted(xdata,pos-fmin)
1088                iFin = np.searchsorted(xdata,pos+fmin)
1089                if not iBeg+iFin:       #peak below low limit
1090                    iPeak += 1
1091                    continue
1092                elif not iBeg-iFin:     #peak above high limit
1093                    return yb+yc
1094                yc[iBeg:iFin] += intens*getFCJVoigt3(pos,sig,gam,shl,xdata[iBeg:iFin])
1095                if Ka2:
1096                    pos2 = pos+lamRatio*tand(pos/2.0)       # + 360/pi * Dlam/lam * tan(th)
1097                    iBeg = np.searchsorted(xdata,pos2-fmin)
1098                    iFin = np.searchsorted(xdata,pos2+fmin)
1099                    if iBeg-iFin:
1100                        yc[iBeg:iFin] += intens*kRatio*getFCJVoigt3(pos2,sig,gam,shl,xdata[iBeg:iFin])
1101                iPeak += 1
1102            except KeyError:        #no more peaks to process
1103                return yb+yc
1104    else:
1105        Pdabc = parmDict['Pdabc']
1106        difC = parmDict['difC']
1107        iPeak = 0
1108        while True:
1109            try:
1110                pos = parmDict['pos'+str(iPeak)]               
1111                tof = pos-parmDict['Zero']
1112                dsp = tof/difC
1113                intens = parmDict['int'+str(iPeak)]
1114                alpName = 'alp'+str(iPeak)
1115                if alpName in varyList:
1116                    alp = parmDict[alpName]
1117                else:
1118                    if len(Pdabc):
1119                        alp = np.interp(dsp,Pdabc[0],Pdabc[1])
1120                    else:
1121                        alp = G2mth.getTOFalpha(parmDict,dsp)
1122                alp = max(0.0001,alp)
1123                betName = 'bet'+str(iPeak)
1124                if betName in varyList:
1125                    bet = parmDict[betName]
1126                else:
1127                    if len(Pdabc):
1128                        bet = np.interp(dsp,Pdabc[0],Pdabc[2])
1129                    else:
1130                        bet = G2mth.getTOFbeta(parmDict,dsp)
1131                bet = max(0.0001,bet)
1132                sigName = 'sig'+str(iPeak)
1133                if sigName in varyList:
1134                    sig = parmDict[sigName]
1135                else:
1136                    sig = G2mth.getTOFsig(parmDict,dsp)
1137                gamName = 'gam'+str(iPeak)
1138                if gamName in varyList:
1139                    gam = parmDict[gamName]
1140                else:
1141                    gam = G2mth.getTOFgamma(parmDict,dsp)
1142                gam = max(gam,0.001)             #avoid neg gamma
1143                Wd,fmin,fmax = getWidthsTOF(pos,alp,bet,sig,gam)
1144                iBeg = np.searchsorted(xdata,pos-fmin)
1145                iFin = np.searchsorted(xdata,pos+fmax)
1146                lenX = len(xdata)
1147                if not iBeg:
1148                    iFin = np.searchsorted(xdata,pos+fmax)
1149                elif iBeg == lenX:
1150                    iFin = iBeg
1151                else:
1152                    iFin = np.searchsorted(xdata,pos+fmax)
1153                if not iBeg+iFin:       #peak below low limit
1154                    iPeak += 1
1155                    continue
1156                elif not iBeg-iFin:     #peak above high limit
1157                    return yb+yc
1158                yc[iBeg:iFin] += intens*getEpsVoigt(pos,alp,bet,sig,gam,xdata[iBeg:iFin])
1159                iPeak += 1
1160            except KeyError:        #no more peaks to process
1161                return yb+yc
1162           
1163def getPeakProfileDerv(dataType,parmDict,xdata,varyList,bakType):
1164    'needs a doc string'
1165# needs to return np.array([dMdx1,dMdx2,...]) in same order as varylist = backVary,insVary,peakVary order
1166    dMdv = np.zeros(shape=(len(varyList),len(xdata)))
1167    dMdb,dMddb,dMdpk = getBackgroundDerv('',parmDict,bakType,dataType,xdata)
1168    if 'Back;0' in varyList:            #background derivs are in front if present
1169        dMdv[0:len(dMdb)] = dMdb
1170    names = ['DebyeA','DebyeR','DebyeU']
1171    for name in varyList:
1172        if 'Debye' in name:
1173            parm,id = name.split(';')
1174            ip = names.index(parm)
1175            dMdv[varyList.index(name)] = dMddb[3*int(id)+ip]
1176    names = ['BkPkpos','BkPkint','BkPksig','BkPkgam']
1177    for name in varyList:
1178        if 'BkPk' in name:
1179            parm,id = name.split(';')
1180            ip = names.index(parm)
1181            dMdv[varyList.index(name)] = dMdpk[4*int(id)+ip]
1182    cw = np.diff(xdata)
1183    cw = np.append(cw,cw[-1])
1184    if 'C' in dataType:
1185        shl = max(parmDict['SH/L'],0.002)
1186        Ka2 = False
1187        if 'Lam1' in parmDict.keys():
1188            Ka2 = True
1189            lamRatio = 360*(parmDict['Lam2']-parmDict['Lam1'])/(np.pi*parmDict['Lam1'])
1190            kRatio = parmDict['I(L2)/I(L1)']
1191        iPeak = 0
1192        while True:
1193            try:
1194                pos = parmDict['pos'+str(iPeak)]
1195                tth = (pos-parmDict['Zero'])
1196                intens = parmDict['int'+str(iPeak)]
1197                sigName = 'sig'+str(iPeak)
1198                if sigName in varyList:
1199                    sig = parmDict[sigName]
1200                    dsdU = dsdV = dsdW = 0
1201                else:
1202                    sig = G2mth.getCWsig(parmDict,tth)
1203                    dsdU,dsdV,dsdW = G2mth.getCWsigDeriv(tth)
1204                sig = max(sig,0.001)          #avoid neg sigma
1205                gamName = 'gam'+str(iPeak)
1206                if gamName in varyList:
1207                    gam = parmDict[gamName]
1208                    dgdX = dgdY = 0
1209                else:
1210                    gam = G2mth.getCWgam(parmDict,tth)
1211                    dgdX,dgdY = G2mth.getCWgamDeriv(tth)
1212                gam = max(gam,0.001)             #avoid neg gamma
1213                Wd,fmin,fmax = getWidthsCW(pos,sig,gam,shl)
1214                iBeg = np.searchsorted(xdata,pos-fmin)
1215                iFin = np.searchsorted(xdata,pos+fmin)
1216                if not iBeg+iFin:       #peak below low limit
1217                    iPeak += 1
1218                    continue
1219                elif not iBeg-iFin:     #peak above high limit
1220                    break
1221                dMdpk = np.zeros(shape=(6,len(xdata)))
1222                dMdipk = getdFCJVoigt3(pos,sig,gam,shl,xdata[iBeg:iFin])
1223                for i in range(1,5):
1224                    dMdpk[i][iBeg:iFin] += 100.*cw[iBeg:iFin]*intens*dMdipk[i]
1225                dMdpk[0][iBeg:iFin] += 100.*cw[iBeg:iFin]*dMdipk[0]
1226                dervDict = {'int':dMdpk[0],'pos':dMdpk[1],'sig':dMdpk[2],'gam':dMdpk[3],'shl':dMdpk[4]}
1227                if Ka2:
1228                    pos2 = pos+lamRatio*tand(pos/2.0)       # + 360/pi * Dlam/lam * tan(th)
1229                    iBeg = np.searchsorted(xdata,pos2-fmin)
1230                    iFin = np.searchsorted(xdata,pos2+fmin)
1231                    if iBeg-iFin:
1232                        dMdipk2 = getdFCJVoigt3(pos2,sig,gam,shl,xdata[iBeg:iFin])
1233                        for i in range(1,5):
1234                            dMdpk[i][iBeg:iFin] += 100.*cw[iBeg:iFin]*intens*kRatio*dMdipk2[i]
1235                        dMdpk[0][iBeg:iFin] += 100.*cw[iBeg:iFin]*kRatio*dMdipk2[0]
1236                        dMdpk[5][iBeg:iFin] += 100.*cw[iBeg:iFin]*dMdipk2[0]
1237                        dervDict = {'int':dMdpk[0],'pos':dMdpk[1],'sig':dMdpk[2],'gam':dMdpk[3],'shl':dMdpk[4],'L1/L2':dMdpk[5]*intens}
1238                for parmName in ['pos','int','sig','gam']:
1239                    try:
1240                        idx = varyList.index(parmName+str(iPeak))
1241                        dMdv[idx] = dervDict[parmName]
1242                    except ValueError:
1243                        pass
1244                if 'U' in varyList:
1245                    dMdv[varyList.index('U')] += dsdU*dervDict['sig']
1246                if 'V' in varyList:
1247                    dMdv[varyList.index('V')] += dsdV*dervDict['sig']
1248                if 'W' in varyList:
1249                    dMdv[varyList.index('W')] += dsdW*dervDict['sig']
1250                if 'X' in varyList:
1251                    dMdv[varyList.index('X')] += dgdX*dervDict['gam']
1252                if 'Y' in varyList:
1253                    dMdv[varyList.index('Y')] += dgdY*dervDict['gam']
1254                if 'SH/L' in varyList:
1255                    dMdv[varyList.index('SH/L')] += dervDict['shl']         #problem here
1256                if 'I(L2)/I(L1)' in varyList:
1257                    dMdv[varyList.index('I(L2)/I(L1)')] += dervDict['L1/L2']
1258                iPeak += 1
1259            except KeyError:        #no more peaks to process
1260                break
1261    else:
1262        Pdabc = parmDict['Pdabc']
1263        difC = parmDict['difC']
1264        iPeak = 0
1265        while True:
1266            try:
1267                pos = parmDict['pos'+str(iPeak)]               
1268                tof = pos-parmDict['Zero']
1269                dsp = tof/difC
1270                intens = parmDict['int'+str(iPeak)]
1271                alpName = 'alp'+str(iPeak)
1272                if alpName in varyList:
1273                    alp = parmDict[alpName]
1274                else:
1275                    if len(Pdabc):
1276                        alp = np.interp(dsp,Pdabc[0],Pdabc[1])
1277                        dada0 = 0
1278                    else:
1279                        alp = G2mth.getTOFalpha(parmDict,dsp)
1280                        dada0 = G2mth.getTOFalphaDeriv(dsp)
1281                betName = 'bet'+str(iPeak)
1282                if betName in varyList:
1283                    bet = parmDict[betName]
1284                else:
1285                    if len(Pdabc):
1286                        bet = np.interp(dsp,Pdabc[0],Pdabc[2])
1287                        dbdb0 = dbdb1 = dbdb2 = 0
1288                    else:
1289                        bet = G2mth.getTOFbeta(parmDict,dsp)
1290                        dbdb0,dbdb1,dbdb2 = G2mth.getTOFbetaDeriv(dsp)
1291                sigName = 'sig'+str(iPeak)
1292                if sigName in varyList:
1293                    sig = parmDict[sigName]
1294                    dsds0 = dsds1 = dsds2 = dsds3 = 0
1295                else:
1296                    sig = G2mth.getTOFsig(parmDict,dsp)
1297                    dsds0,dsds1,dsds2,dsds3 = G2mth.getTOFsigDeriv(dsp)
1298                gamName = 'gam'+str(iPeak)
1299                if gamName in varyList:
1300                    gam = parmDict[gamName]
1301                    dsdX = dsdY = 0
1302                else:
1303                    gam = G2mth.getTOFgamma(parmDict,dsp)
1304                    dsdX,dsdY = G2mth.getTOFgammaDeriv(dsp)
1305                gam = max(gam,0.001)             #avoid neg gamma
1306                Wd,fmin,fmax = getWidthsTOF(pos,alp,bet,sig,gam)
1307                iBeg = np.searchsorted(xdata,pos-fmin)
1308                lenX = len(xdata)
1309                if not iBeg:
1310                    iFin = np.searchsorted(xdata,pos+fmax)
1311                elif iBeg == lenX:
1312                    iFin = iBeg
1313                else:
1314                    iFin = np.searchsorted(xdata,pos+fmax)
1315                if not iBeg+iFin:       #peak below low limit
1316                    iPeak += 1
1317                    continue
1318                elif not iBeg-iFin:     #peak above high limit
1319                    break
1320                dMdpk = np.zeros(shape=(7,len(xdata)))
1321                dMdipk = getdEpsVoigt(pos,alp,bet,sig,gam,xdata[iBeg:iFin])
1322                for i in range(1,6):
1323                    dMdpk[i][iBeg:iFin] += intens*cw[iBeg:iFin]*dMdipk[i]
1324                dMdpk[0][iBeg:iFin] += cw[iBeg:iFin]*dMdipk[0]
1325                dervDict = {'int':dMdpk[0],'pos':dMdpk[1],'alp':dMdpk[2],'bet':dMdpk[3],'sig':dMdpk[4],'gam':dMdpk[5]}
1326                for parmName in ['pos','int','alp','bet','sig','gam']:
1327                    try:
1328                        idx = varyList.index(parmName+str(iPeak))
1329                        dMdv[idx] = dervDict[parmName]
1330                    except ValueError:
1331                        pass
1332                if 'alpha' in varyList:
1333                    dMdv[varyList.index('alpha')] += dada0*dervDict['alp']
1334                if 'beta-0' in varyList:
1335                    dMdv[varyList.index('beta-0')] += dbdb0*dervDict['bet']
1336                if 'beta-1' in varyList:
1337                    dMdv[varyList.index('beta-1')] += dbdb1*dervDict['bet']
1338                if 'beta-q' in varyList:
1339                    dMdv[varyList.index('beta-q')] += dbdb2*dervDict['bet']
1340                if 'sig-0' in varyList:
1341                    dMdv[varyList.index('sig-0')] += dsds0*dervDict['sig']
1342                if 'sig-1' in varyList:
1343                    dMdv[varyList.index('sig-1')] += dsds1*dervDict['sig']
1344                if 'sig-2' in varyList:
1345                    dMdv[varyList.index('sig-2')] += dsds2*dervDict['sig']
1346                if 'sig-q' in varyList:
1347                    dMdv[varyList.index('sig-q')] += dsds3*dervDict['sig']
1348                if 'X' in varyList:
1349                    dMdv[varyList.index('X')] += dsdX*dervDict['gam']
1350                if 'Y' in varyList:
1351                    dMdv[varyList.index('Y')] += dsdY*dervDict['gam']         #problem here
1352                iPeak += 1
1353            except KeyError:        #no more peaks to process
1354                break
1355    return dMdv
1356       
1357def Dict2Values(parmdict, varylist):
1358    '''Use before call to leastsq to setup list of values for the parameters
1359    in parmdict, as selected by key in varylist'''
1360    return [parmdict[key] for key in varylist] 
1361   
1362def Values2Dict(parmdict, varylist, values):
1363    ''' Use after call to leastsq to update the parameter dictionary with
1364    values corresponding to keys in varylist'''
1365    parmdict.update(zip(varylist,values))
1366   
1367def SetBackgroundParms(Background):
1368    'needs a doc string'
1369    if len(Background) == 1:            # fix up old backgrounds
1370        Background.append({'nDebye':0,'debyeTerms':[]})
1371    bakType,bakFlag = Background[0][:2]
1372    backVals = Background[0][3:]
1373    backNames = ['Back;'+str(i) for i in range(len(backVals))]
1374    Debye = Background[1]           #also has background peaks stuff
1375    backDict = dict(zip(backNames,backVals))
1376    backVary = []
1377    if bakFlag:
1378        backVary = backNames
1379
1380    backDict['nDebye'] = Debye['nDebye']
1381    debyeDict = {}
1382    debyeList = []
1383    for i in range(Debye['nDebye']):
1384        debyeNames = ['DebyeA;'+str(i),'DebyeR;'+str(i),'DebyeU;'+str(i)]
1385        debyeDict.update(dict(zip(debyeNames,Debye['debyeTerms'][i][::2])))
1386        debyeList += zip(debyeNames,Debye['debyeTerms'][i][1::2])
1387    debyeVary = []
1388    for item in debyeList:
1389        if item[1]:
1390            debyeVary.append(item[0])
1391    backDict.update(debyeDict)
1392    backVary += debyeVary
1393
1394    backDict['nPeaks'] = Debye['nPeaks']
1395    peaksDict = {}
1396    peaksList = []
1397    for i in range(Debye['nPeaks']):
1398        peaksNames = ['BkPkpos;'+str(i),'BkPkint;'+str(i),'BkPksig;'+str(i),'BkPkgam;'+str(i)]
1399        peaksDict.update(dict(zip(peaksNames,Debye['peaksList'][i][::2])))
1400        peaksList += zip(peaksNames,Debye['peaksList'][i][1::2])
1401    peaksVary = []
1402    for item in peaksList:
1403        if item[1]:
1404            peaksVary.append(item[0])
1405    backDict.update(peaksDict)
1406    backVary += peaksVary   
1407    return bakType,backDict,backVary
1408   
1409def DoCalibInst(IndexPeaks,Inst):
1410   
1411    def SetInstParms():
1412        dataType = Inst['Type'][0]
1413        insVary = []
1414        insNames = []
1415        insVals = []
1416        for parm in Inst:
1417            insNames.append(parm)
1418            insVals.append(Inst[parm][1])
1419            if parm in ['Lam','difC','difA','difB','Zero',]:
1420                if Inst[parm][2]:
1421                    insVary.append(parm)
1422        instDict = dict(zip(insNames,insVals))
1423        return dataType,instDict,insVary
1424       
1425    def GetInstParms(parmDict,Inst,varyList):
1426        for name in Inst:
1427            Inst[name][1] = parmDict[name]
1428       
1429    def InstPrint(Inst,sigDict):
1430        print 'Instrument Parameters:'
1431        if 'C' in Inst['Type'][0]:
1432            ptfmt = "%12.6f"
1433        else:
1434            ptfmt = "%12.3f"
1435        ptlbls = 'names :'
1436        ptstr =  'values:'
1437        sigstr = 'esds  :'
1438        for parm in Inst:
1439            if parm in  ['Lam','difC','difA','difB','Zero',]:
1440                ptlbls += "%s" % (parm.center(12))
1441                ptstr += ptfmt % (Inst[parm][1])
1442                if parm in sigDict:
1443                    sigstr += ptfmt % (sigDict[parm])
1444                else:
1445                    sigstr += 12*' '
1446        print ptlbls
1447        print ptstr
1448        print sigstr
1449       
1450    def errPeakPos(values,peakDsp,peakPos,peakWt,dataType,parmDict,varyList):
1451        parmDict.update(zip(varyList,values))
1452        return np.sqrt(peakWt)*(G2lat.getPeakPos(dataType,parmDict,peakDsp)-peakPos)
1453
1454    peakPos = []
1455    peakDsp = []
1456    peakWt = []
1457    for peak,sig in zip(IndexPeaks[0],IndexPeaks[1]):
1458        if peak[2] and peak[3] and sig > 0.:
1459            peakPos.append(peak[0])
1460            peakDsp.append(peak[-1])    #d-calc
1461            peakWt.append(peak[-1]**2/sig**2)   #weight by d**2
1462    peakPos = np.array(peakPos)
1463    peakDsp = np.array(peakDsp)
1464    peakWt = np.array(peakWt)
1465    dataType,insDict,insVary = SetInstParms()
1466    parmDict = {}
1467    parmDict.update(insDict)
1468    varyList = insVary
1469    if not len(varyList):
1470        print '**** ERROR - nothing to refine! ****'
1471        return False
1472    while True:
1473        begin = time.time()
1474        values =  np.array(Dict2Values(parmDict, varyList))
1475        result = so.leastsq(errPeakPos,values,full_output=True,ftol=0.000001,
1476            args=(peakDsp,peakPos,peakWt,dataType,parmDict,varyList))
1477        ncyc = int(result[2]['nfev']/2)
1478        runtime = time.time()-begin   
1479        chisq = np.sum(result[2]['fvec']**2)
1480        Values2Dict(parmDict, varyList, result[0])
1481        GOF = chisq/(len(peakPos)-len(varyList))       #reduced chi^2
1482        print 'Number of function calls:',result[2]['nfev'],' Number of observations: ',len(peakPos),' Number of parameters: ',len(varyList)
1483        print 'calib time = %8.3fs, %8.3fs/cycle'%(runtime,runtime/ncyc)
1484        print 'chi**2 = %12.6g, reduced chi**2 = %6.2f'%(chisq,GOF)
1485        try:
1486            sig = np.sqrt(np.diag(result[1])*GOF)
1487            if np.any(np.isnan(sig)):
1488                print '*** Least squares aborted - some invalid esds possible ***'
1489            break                   #refinement succeeded - finish up!
1490        except ValueError:          #result[1] is None on singular matrix
1491            print '**** Refinement failed - singular matrix ****'
1492       
1493    sigDict = dict(zip(varyList,sig))
1494    GetInstParms(parmDict,Inst,varyList)
1495    InstPrint(Inst,sigDict)
1496    return True
1497           
1498def DoPeakFit(FitPgm,Peaks,Background,Limits,Inst,Inst2,data,prevVaryList=[],oneCycle=False,controls=None,dlg=None):
1499    '''Called to perform a peak fit, refining the selected items in the peak
1500    table as well as selected items in the background.
1501
1502    :param str FitPgm: type of fit to perform. At present this is ignored.
1503    :param list Peaks: a list of peaks. Each peak entry is a list with 8 values:
1504      four values followed by a refine flag where the values are: position, intensity,
1505      sigma (Gaussian width) and gamma (Lorentzian width). From the Histogram/"Peak List"
1506      tree entry, dict item "peaks"
1507    :param list Background: describes the background. List with two items.
1508      Item 0 specifies a background model and coefficients. Item 1 is a dict.
1509      From the Histogram/Background tree entry.
1510    :param list Limits: min and max x-value to use
1511    :param dict Inst: Instrument parameters
1512    :param dict Inst2: more Instrument parameters
1513    :param numpy.array data: a 5xn array. data[0] is the x-values,
1514      data[1] is the y-values, data[2] are weight values, data[3], [4] and [5] are
1515      calc, background and difference intensities, respectively.
1516    :param list prevVaryList: Used in sequential refinements to override the
1517      variable list. Defaults as an empty list.
1518    :param bool oneCycle: True if only one cycle of fitting should be performed
1519    :param dict controls: a dict specifying two values, Ftol = controls['min dM/M']
1520      and derivType = controls['deriv type']. If None default values are used.
1521    :param wx.Dialog dlg: A dialog box that is updated with progress from the fit.
1522      Defaults to None, which means no updates are done.
1523    '''
1524    def GetBackgroundParms(parmList,Background):
1525        iBak = 0
1526        while True:
1527            try:
1528                bakName = 'Back;'+str(iBak)
1529                Background[0][iBak+3] = parmList[bakName]
1530                iBak += 1
1531            except KeyError:
1532                break
1533        iDb = 0
1534        while True:
1535            names = ['DebyeA;','DebyeR;','DebyeU;']
1536            try:
1537                for i,name in enumerate(names):
1538                    val = parmList[name+str(iDb)]
1539                    Background[1]['debyeTerms'][iDb][2*i] = val
1540                iDb += 1
1541            except KeyError:
1542                break
1543        iDb = 0
1544        while True:
1545            names = ['BkPkpos;','BkPkint;','BkPksig;','BkPkgam;']
1546            try:
1547                for i,name in enumerate(names):
1548                    val = parmList[name+str(iDb)]
1549                    Background[1]['peaksList'][iDb][2*i] = val
1550                iDb += 1
1551            except KeyError:
1552                break
1553               
1554    def BackgroundPrint(Background,sigDict):
1555        print 'Background coefficients for',Background[0][0],'function'
1556        ptfmt = "%12.5f"
1557        ptstr =  'value: '
1558        sigstr = 'esd  : '
1559        for i,back in enumerate(Background[0][3:]):
1560            ptstr += ptfmt % (back)
1561            if Background[0][1]:
1562                prm = 'Back;'+str(i)
1563                if prm in sigDict:
1564                    sigstr += ptfmt % (sigDict[prm])
1565                else:
1566                    sigstr += " "*12
1567            if len(ptstr) > 75:
1568                print ptstr
1569                if Background[0][1]: print sigstr
1570                ptstr =  'value: '
1571                sigstr = 'esd  : '
1572        if len(ptstr) > 8:
1573            print ptstr
1574            if Background[0][1]: print sigstr
1575
1576        if Background[1]['nDebye']:
1577            parms = ['DebyeA;','DebyeR;','DebyeU;']
1578            print 'Debye diffuse scattering coefficients'
1579            ptfmt = "%12.5f"
1580            print ' term       DebyeA       esd        DebyeR       esd        DebyeU        esd'
1581            for term in range(Background[1]['nDebye']):
1582                line = ' term %d'%(term)
1583                for ip,name in enumerate(parms):
1584                    line += ptfmt%(Background[1]['debyeTerms'][term][2*ip])
1585                    if name+str(term) in sigDict:
1586                        line += ptfmt%(sigDict[name+str(term)])
1587                    else:
1588                        line += " "*12
1589                print line
1590        if Background[1]['nPeaks']:
1591            print 'Coefficients for Background Peaks'
1592            ptfmt = "%15.3f"
1593            for j,pl in enumerate(Background[1]['peaksList']):
1594                names =  'peak %3d:'%(j+1)
1595                ptstr =  'values  :'
1596                sigstr = 'esds    :'
1597                for i,lbl in enumerate(['BkPkpos','BkPkint','BkPksig','BkPkgam']):
1598                    val = pl[2*i]
1599                    prm = lbl+";"+str(j)
1600                    names += '%15s'%(prm)
1601                    ptstr += ptfmt%(val)
1602                    if prm in sigDict:
1603                        sigstr += ptfmt%(sigDict[prm])
1604                    else:
1605                        sigstr += " "*15
1606                print names
1607                print ptstr
1608                print sigstr
1609                           
1610    def SetInstParms(Inst):
1611        dataType = Inst['Type'][0]
1612        insVary = []
1613        insNames = []
1614        insVals = []
1615        for parm in Inst:
1616            insNames.append(parm)
1617            insVals.append(Inst[parm][1])
1618            if parm in ['U','V','W','X','Y','SH/L','I(L2)/I(L1)','alpha',
1619                'beta-0','beta-1','beta-q','sig-0','sig-1','sig-2','sig-q',] and Inst[parm][2]:
1620                    insVary.append(parm)
1621        instDict = dict(zip(insNames,insVals))
1622        instDict['X'] = max(instDict['X'],0.01)
1623        instDict['Y'] = max(instDict['Y'],0.01)
1624        if 'SH/L' in instDict:
1625            instDict['SH/L'] = max(instDict['SH/L'],0.002)
1626        return dataType,instDict,insVary
1627       
1628    def GetInstParms(parmDict,Inst,varyList,Peaks):
1629        for name in Inst:
1630            Inst[name][1] = parmDict[name]
1631        iPeak = 0
1632        while True:
1633            try:
1634                sigName = 'sig'+str(iPeak)
1635                pos = parmDict['pos'+str(iPeak)]
1636                if sigName not in varyList:
1637                    if 'C' in Inst['Type'][0]:
1638                        parmDict[sigName] = G2mth.getCWsig(parmDict,pos)
1639                    else:
1640                        dsp = G2lat.Pos2dsp(Inst,pos)
1641                        parmDict[sigName] = G2mth.getTOFsig(parmDict,dsp)
1642                gamName = 'gam'+str(iPeak)
1643                if gamName not in varyList:
1644                    if 'C' in Inst['Type'][0]:
1645                        parmDict[gamName] = G2mth.getCWgam(parmDict,pos)
1646                    else:
1647                        dsp = G2lat.Pos2dsp(Inst,pos)
1648                        parmDict[gamName] = G2mth.getTOFgamma(parmDict,dsp)
1649                iPeak += 1
1650            except KeyError:
1651                break
1652       
1653    def InstPrint(Inst,sigDict):
1654        print 'Instrument Parameters:'
1655        ptfmt = "%12.6f"
1656        ptlbls = 'names :'
1657        ptstr =  'values:'
1658        sigstr = 'esds  :'
1659        for parm in Inst:
1660            if parm in  ['U','V','W','X','Y','SH/L','I(L2)/I(L1)','alpha',
1661                'beta-0','beta-1','beta-q','sig-0','sig-1','sig-2','sig-q',]:
1662                ptlbls += "%s" % (parm.center(12))
1663                ptstr += ptfmt % (Inst[parm][1])
1664                if parm in sigDict:
1665                    sigstr += ptfmt % (sigDict[parm])
1666                else:
1667                    sigstr += 12*' '
1668        print ptlbls
1669        print ptstr
1670        print sigstr
1671
1672    def SetPeaksParms(dataType,Peaks):
1673        peakNames = []
1674        peakVary = []
1675        peakVals = []
1676        if 'C' in dataType:
1677            names = ['pos','int','sig','gam']
1678        else:
1679            names = ['pos','int','alp','bet','sig','gam']
1680        for i,peak in enumerate(Peaks):
1681            for j,name in enumerate(names):
1682                peakVals.append(peak[2*j])
1683                parName = name+str(i)
1684                peakNames.append(parName)
1685                if peak[2*j+1]:
1686                    peakVary.append(parName)
1687        return dict(zip(peakNames,peakVals)),peakVary
1688               
1689    def GetPeaksParms(Inst,parmDict,Peaks,varyList):
1690        if 'C' in Inst['Type'][0]:
1691            names = ['pos','int','sig','gam']
1692        else:   #'T'
1693            names = ['pos','int','alp','bet','sig','gam']
1694        for i,peak in enumerate(Peaks):
1695            pos = parmDict['pos'+str(i)]
1696            if 'difC' in Inst:
1697                dsp = pos/Inst['difC'][1]
1698            for j in range(len(names)):
1699                parName = names[j]+str(i)
1700                if parName in varyList:
1701                    peak[2*j] = parmDict[parName]
1702                elif 'alpha' in parName:
1703                    peak[2*j] = parmDict['alpha']/dsp
1704                elif 'beta' in parName:
1705                    peak[2*j] = G2mth.getTOFbeta(parmDict,dsp)
1706                elif 'sig' in parName:
1707                    if 'C' in Inst['Type'][0]:
1708                        peak[2*j] = G2mth.getCWsig(parmDict,pos)
1709                    else:
1710                        peak[2*j] = G2mth.getTOFsig(parmDict,dsp)
1711                elif 'gam' in parName:
1712                    if 'C' in Inst['Type'][0]:
1713                        peak[2*j] = G2mth.getCWgam(parmDict,pos)
1714                    else:
1715                        peak[2*j] = G2mth.getTOFgamma(parmDict,dsp)
1716                       
1717    def PeaksPrint(dataType,parmDict,sigDict,varyList,ptsperFW):
1718        print 'Peak coefficients:'
1719        if 'C' in dataType:
1720            names = ['pos','int','sig','gam']
1721        else:   #'T'
1722            names = ['pos','int','alp','bet','sig','gam']           
1723        head = 13*' '
1724        for name in names:
1725            if name in ['alp','bet']:
1726                head += name.center(8)+'esd'.center(8)
1727            else:
1728                head += name.center(10)+'esd'.center(10)
1729        head += 'bins'.center(8)
1730        print head
1731        if 'C' in dataType:
1732            ptfmt = {'pos':"%10.5f",'int':"%10.1f",'sig':"%10.3f",'gam':"%10.3f"}
1733        else:
1734            ptfmt = {'pos':"%10.2f",'int':"%10.4f",'alp':"%8.3f",'bet':"%8.5f",'sig':"%10.3f",'gam':"%10.3f"}
1735        for i,peak in enumerate(Peaks):
1736            ptstr =  ':'
1737            for j in range(len(names)):
1738                name = names[j]
1739                parName = name+str(i)
1740                ptstr += ptfmt[name] % (parmDict[parName])
1741                if parName in varyList:
1742                    ptstr += ptfmt[name] % (sigDict[parName])
1743                else:
1744                    if name in ['alp','bet']:
1745                        ptstr += 8*' '
1746                    else:
1747                        ptstr += 10*' '
1748            ptstr += '%9.2f'%(ptsperFW[i])
1749            print '%s'%(('Peak'+str(i+1)).center(8)),ptstr
1750               
1751    def devPeakProfile(values,xdata,ydata, weights,dataType,parmdict,varylist,bakType,dlg):
1752        parmdict.update(zip(varylist,values))
1753        return np.sqrt(weights)*getPeakProfileDerv(dataType,parmdict,xdata,varylist,bakType)
1754           
1755    def errPeakProfile(values,xdata,ydata,weights,dataType,parmdict,varylist,bakType,dlg):       
1756        parmdict.update(zip(varylist,values))
1757        M = np.sqrt(weights)*(getPeakProfile(dataType,parmdict,xdata,varylist,bakType)-ydata)
1758        Rwp = min(100.,np.sqrt(np.sum(M**2)/np.sum(weights*ydata**2))*100.)
1759        if dlg:
1760            GoOn = dlg.Update(Rwp,newmsg='%s%8.3f%s'%('Peak fit Rwp =',Rwp,'%'))[0]
1761            if not GoOn:
1762                return -M           #abort!!
1763        return M
1764       
1765    if controls:
1766        Ftol = controls['min dM/M']
1767    else:
1768        Ftol = 0.0001
1769    if oneCycle:
1770        Ftol = 1.0
1771    x,y,w,yc,yb,yd = data               #these are numpy arrays!
1772    yc *= 0.                            #set calcd ones to zero
1773    yb *= 0.
1774    yd *= 0.
1775    cw = x[1:]-x[:-1]
1776    xBeg = np.searchsorted(x,Limits[0])
1777    xFin = np.searchsorted(x,Limits[1])+1
1778    bakType,bakDict,bakVary = SetBackgroundParms(Background)
1779    dataType,insDict,insVary = SetInstParms(Inst)
1780    peakDict,peakVary = SetPeaksParms(Inst['Type'][0],Peaks)
1781    parmDict = {}
1782    parmDict.update(bakDict)
1783    parmDict.update(insDict)
1784    parmDict.update(peakDict)
1785    parmDict['Pdabc'] = []      #dummy Pdabc
1786    parmDict.update(Inst2)      #put in real one if there
1787    if prevVaryList:
1788        varyList = prevVaryList[:]
1789    else:
1790        varyList = bakVary+insVary+peakVary
1791    fullvaryList = varyList[:]
1792    while True:
1793        begin = time.time()
1794        values =  np.array(Dict2Values(parmDict, varyList))
1795        Rvals = {}
1796        badVary = []
1797        result = so.leastsq(errPeakProfile,values,Dfun=devPeakProfile,full_output=True,ftol=Ftol,col_deriv=True,
1798               args=(x[xBeg:xFin],y[xBeg:xFin],w[xBeg:xFin],dataType,parmDict,varyList,bakType,dlg))
1799        ncyc = int(result[2]['nfev']/2)
1800        runtime = time.time()-begin   
1801        chisq = np.sum(result[2]['fvec']**2)
1802        Values2Dict(parmDict, varyList, result[0])
1803        Rvals['Rwp'] = np.sqrt(chisq/np.sum(w[xBeg:xFin]*y[xBeg:xFin]**2))*100.      #to %
1804        Rvals['GOF'] = chisq/(xFin-xBeg-len(varyList))       #reduced chi^2
1805        print 'Number of function calls:',result[2]['nfev'],' Number of observations: ',xFin-xBeg,' Number of parameters: ',len(varyList)
1806        if ncyc:
1807            print 'fitpeak time = %8.3fs, %8.3fs/cycle'%(runtime,runtime/ncyc)
1808        print 'Rwp = %7.2f%%, chi**2 = %12.6g, reduced chi**2 = %6.2f'%(Rvals['Rwp'],chisq,Rvals['GOF'])
1809        sig = [0]*len(varyList)
1810        if len(varyList) == 0: break  # if nothing was refined
1811        try:
1812            sig = np.sqrt(np.diag(result[1])*Rvals['GOF'])
1813            if np.any(np.isnan(sig)):
1814                print '*** Least squares aborted - some invalid esds possible ***'
1815            break                   #refinement succeeded - finish up!
1816        except ValueError:          #result[1] is None on singular matrix
1817            print '**** Refinement failed - singular matrix ****'
1818            Ipvt = result[2]['ipvt']
1819            for i,ipvt in enumerate(Ipvt):
1820                if not np.sum(result[2]['fjac'],axis=1)[i]:
1821                    print 'Removing parameter: ',varyList[ipvt-1]
1822                    badVary.append(varyList[ipvt-1])
1823                    del(varyList[ipvt-1])
1824                    break
1825            else: # nothing removed
1826                break
1827    if dlg: dlg.Destroy()
1828    sigDict = dict(zip(varyList,sig))
1829    yb[xBeg:xFin] = getBackground('',parmDict,bakType,dataType,x[xBeg:xFin])[0]
1830    yc[xBeg:xFin] = getPeakProfile(dataType,parmDict,x[xBeg:xFin],varyList,bakType)
1831    yd[xBeg:xFin] = y[xBeg:xFin]-yc[xBeg:xFin]
1832    GetBackgroundParms(parmDict,Background)
1833    if bakVary: BackgroundPrint(Background,sigDict)
1834    GetInstParms(parmDict,Inst,varyList,Peaks)
1835    if insVary: InstPrint(Inst,sigDict)
1836    GetPeaksParms(Inst,parmDict,Peaks,varyList)
1837    binsperFWHM = []
1838    for peak in Peaks:
1839        FWHM = getFWHM(peak[0],Inst)
1840        try:
1841            binsperFWHM.append(FWHM/cw[x.searchsorted(peak[0])])
1842        except IndexError:
1843            binsperFWHM.append(0.)
1844    if peakVary: PeaksPrint(dataType,parmDict,sigDict,varyList,binsperFWHM)
1845    if len(binsperFWHM):
1846        if min(binsperFWHM) < 1.:
1847            print '*** Warning: calculated peak widths are too narrow to refine profile coefficients ***'
1848            if 'T' in Inst['Type'][0]:
1849                print ' Manually increase sig-0, 1, or 2 in Instrument Parameters'
1850            else:
1851                print ' Manually increase W in Instrument Parameters'
1852        elif min(binsperFWHM) < 4.:
1853            print '*** Warning: data binning yields too few data points across peak FWHM for reliable Rietveld refinement ***'
1854            print '*** recommended is 6-10; you have %.2f ***'%(min(binsperFWHM))
1855    return sigDict,result,sig,Rvals,varyList,parmDict,fullvaryList,badVary
1856   
1857def calcIncident(Iparm,xdata):
1858    'needs a doc string'
1859
1860    def IfunAdv(Iparm,xdata):
1861        Itype = Iparm['Itype']
1862        Icoef = Iparm['Icoeff']
1863        DYI = np.ones((12,xdata.shape[0]))
1864        YI = np.ones_like(xdata)*Icoef[0]
1865       
1866        x = xdata/1000.                 #expressions are in ms
1867        if Itype == 'Exponential':
1868            for i in [1,3,5,7,9]:
1869                Eterm = np.exp(-Icoef[i+1]*x**((i+1)/2))
1870                YI += Icoef[i]*Eterm
1871                DYI[i] *= Eterm
1872                DYI[i+1] *= -Icoef[i]*Eterm*x**((i+1)/2)           
1873        elif 'Maxwell'in Itype:
1874            Eterm = np.exp(-Icoef[2]/x**2)
1875            DYI[1] = Eterm/x**5
1876            DYI[2] = -Icoef[1]*DYI[1]/x**2
1877            YI += (Icoef[1]*Eterm/x**5)
1878            if 'Exponential' in Itype:
1879                for i in range(3,11,2):
1880                    Eterm = np.exp(-Icoef[i+1]*x**((i+1)/2))
1881                    YI += Icoef[i]*Eterm
1882                    DYI[i] *= Eterm
1883                    DYI[i+1] *= -Icoef[i]*Eterm*x**((i+1)/2)
1884            else:   #Chebyschev
1885                T = (2./x)-1.
1886                Ccof = np.ones((12,xdata.shape[0]))
1887                Ccof[1] = T
1888                for i in range(2,12):
1889                    Ccof[i] = 2*T*Ccof[i-1]-Ccof[i-2]
1890                for i in range(1,10):
1891                    YI += Ccof[i]*Icoef[i+2]
1892                    DYI[i+2] =Ccof[i]
1893        return YI,DYI
1894       
1895    Iesd = np.array(Iparm['Iesd'])
1896    Icovar = Iparm['Icovar']
1897    YI,DYI = IfunAdv(Iparm,xdata)
1898    YI = np.where(YI>0,YI,1.)
1899    WYI = np.zeros_like(xdata)
1900    vcov = np.zeros((12,12))
1901    k = 0
1902    for i in range(12):
1903        for j in range(i,12):
1904            vcov[i][j] = Icovar[k]*Iesd[i]*Iesd[j]
1905            vcov[j][i] = Icovar[k]*Iesd[i]*Iesd[j]
1906            k += 1
1907    M = np.inner(vcov,DYI.T)
1908    WYI = np.sum(M*DYI,axis=0)
1909    WYI = np.where(WYI>0.,WYI,0.)
1910    return YI,WYI
1911   
1912################################################################################
1913# Reflectometry calculations
1914################################################################################
1915
1916def REFDRefine(Profile,ProfDict,Inst,Limits,Substances,data):
1917    print 'fit REFD data by '+data['Minimizer']
1918   
1919    def GetModelParms():
1920        parmDict = {}
1921        varyList = []
1922        values = []
1923        bounds = []
1924        for parm in ['Scale','FltBack']:
1925            parmDict[parm] = data[parm][0]
1926            if data[parm][1]:
1927                varyList.append(parm)
1928                values.append(data[parm][0])
1929                bounds.append(Bounds[parm])
1930        parmDict['nLayers'] = len(data['Layers'])
1931        for ilay,layer in enumerate(data['Layers']):
1932            name = layer['Name']
1933            cid = str(ilay)+';'
1934            parmDict[cid+'Name'] = name
1935            for parm in ['Thick','Rough','DenMul','Mag SLD','iDenMul']:
1936                parmDict[cid+parm] = layer.get(parm,[0.,False])[0]
1937                if layer.get(parm,[0.,False])[1]:
1938                    varyList.append(cid+parm)
1939                    values.append(layer[parm][0])
1940                    bounds.append(Bounds[parm])
1941            if name not in ['vacuum','unit scatter']:
1942                parmDict[cid+'rho'] = Substances[name]['Scatt density']
1943                parmDict[cid+'irho'] = Substances[name].get('XImag density',0.)
1944        return parmDict,varyList,values,bounds
1945   
1946    def SetModelParms():
1947        line = ' Refined parameters: Histogram scale: %.4g'%(parmDict['Scale'])
1948        if 'Scale' in varyList:
1949            data['Scale'][0] = parmDict['Scale']
1950            line += ' esd: %.4g'%(sigDict['Scale'])                                                             
1951        print line
1952        line = ' Flat background: %15.4g'%(parmDict['FltBack'])
1953        if 'FltBack' in varyList:
1954            data['FltBack'][0] = parmDict['FltBack']
1955            line += ' esd: %15.3g'%(sigDict['FltBack'])
1956        print line
1957        for ilay,layer in enumerate(data['Layers']):
1958            name = layer['Name']
1959            print ' Parameters for layer: %d %s'%(ilay,name)
1960            cid = str(ilay)+';'
1961            line = ' '
1962            line2 = ' Scattering density: Real %.5g'%(Substances[name]['Scatt density']*parmDict[cid+'DenMul'])
1963            line2 += ' Imag %.5g'%(Substances[name].get('XImag density',0.)**parmDict[cid+'DenMul'])
1964            for parm in ['Thick','Rough','DenMul','Mag SLD','iDenMul']:
1965                if parm in layer:
1966                    layer[parm][0] = parmDict[cid+parm]
1967                    line += ' %s: %.3f'%(parm,layer[parm][0])
1968                    if cid+parm in varyList:
1969                        line += ' esd: %.3g'%(sigDict[cid+parm])
1970            print line
1971            print line2
1972   
1973    def calcREFD(values,Q,Io,wt,parmDict,varyList):
1974        parmDict.update(zip(varyList,values))
1975        M = np.sqrt(wt)*(getREFD(Q,parmDict)-Io)
1976        return M
1977   
1978    def sumREFD(values,Q,Io,wt,parmDict,varyList):
1979        parmDict.update(zip(varyList,values))
1980        M = np.sqrt(wt)*(getREFD(Q,parmDict)-Io)
1981        return np.sum(M**2)
1982   
1983    def getREFD(Q,parmDict):
1984        Ic = np.ones_like(Q)*parmDict['FltBack']
1985        Scale = parmDict['Scale']
1986        Nlayers = parmDict['nLayers']
1987        depth = np.zeros(Nlayers)
1988        rho = np.zeros(Nlayers)
1989        irho = np.zeros(Nlayers)
1990        sigma = np.zeros(Nlayers)
1991        for ilay in range(Nlayers):
1992            cid = str(ilay)+';'
1993            depth[ilay] = parmDict[cid+'Thick']
1994            sigma[ilay] = parmDict[cid+'Rough']
1995            if parmDict[cid+'Name'] == u'unit scatter':
1996                rho[ilay] = parmDict[cid+'DenMul']
1997                irho[ilay] = parmDict[cid+'iDenMul']
1998            elif 'vacuum' != parmDict[cid+'Name']:
1999                rho[ilay] = parmDict[cid+'rho']*parmDict[cid+'DenMul']
2000                irho[ilay] = parmDict[cid+'irho']*parmDict[cid+'DenMul']
2001            if cid+'Mag SLD' in parmDict:
2002                rho[ilay] += parmDict[cid+'Mag SLD']
2003        A,B = abeles(0.5*Q,depth,rho,irho,sigma[1:])     #Q --> k, offset roughness for abeles
2004        Ic += (A**2+B**2)*Scale     
2005        return Ic
2006
2007    Q,Io,wt,Ic,Ib,Ifb = Profile[:6]
2008    Qmin = Limits[1][0]
2009    Qmax = Limits[1][1]
2010    wtFactor = ProfDict['wtFactor']
2011    Ibeg = np.searchsorted(Q,Qmin)
2012    Ifin = np.searchsorted(Q,Qmax)+1    #include last point
2013    Ic[:] = 0
2014    Bounds = {'Scale':[data['Scale'][0]*.85,data['Scale'][0]/.85],'FltBack':[None,None],
2015              'DenMul':[None,None],'Thick':[1.,None],'Rough':[0.,None],'Mag SLD':[-10.,10.],'iDenMul':[None,None]}
2016    parmDict,varyList,values,bounds = GetModelParms()
2017    Msg = 'Failed to converge'
2018    if varyList:
2019        if data['Minimizer'] == 'LMLS': 
2020            result = so.leastsq(calcREFD,values,full_output=True,epsfcn=1.e-8,   #ftol=Ftol,
2021                args=(Q[Ibeg:Ifin],Io[Ibeg:Ifin],wtFactor*wt[Ibeg:Ifin],parmDict,varyList))
2022            parmDict.update(zip(varyList,result[0]))
2023            chisq = np.sum(result[2]['fvec']**2)
2024            ncalc = result[2]['nfev']
2025            covM = result[1]
2026            newVals = result[0]
2027        elif data['Minimizer'] == 'Global':
2028            result = so.basinhopping(sumREFD,values,minimizer_kwargs={'method':'L-BFGS-B',
2029                'args':(Q[Ibeg:Ifin],Io[Ibeg:Ifin],wtFactor*wt[Ibeg:Ifin],parmDict,varyList)})
2030            chisq = result.fun
2031            ncalc = result.nfev
2032            newVals = result.x
2033            covM = []
2034        elif data['Minimizer'] == 'L-BFGS-B':
2035            result = so.minimize(sumREFD,values,method='L-BFGS-B',bounds=bounds,   #ftol=Ftol,
2036                args=(Q[Ibeg:Ifin],Io[Ibeg:Ifin],wtFactor*wt[Ibeg:Ifin],parmDict,varyList))
2037            parmDict.update(zip(varyList,result['x']))
2038            chisq = result.fun
2039            ncalc = result.nfev
2040            newVals = result.x
2041            covM = []
2042    else:   #nothing varied
2043        M = calcREFD(values,Q[Ibeg:Ifin],Io[Ibeg:Ifin],wtFactor*wt[Ibeg:Ifin],parmDict,varyList)
2044        chisq = np.sum(M**2)
2045        ncalc = 0
2046        covM = []
2047        sig = []
2048        sigDict = {}
2049        result = []
2050    Rvals = {}
2051    Rvals['Rwp'] = np.sqrt(chisq/np.sum(wt[Ibeg:Ifin]*Io[Ibeg:Ifin]**2))*100.      #to %
2052    Rvals['GOF'] = chisq/(Ifin-Ibeg-len(varyList))       #reduced chi^2
2053    Ic[Ibeg:Ifin] = getREFD(Q[Ibeg:Ifin],parmDict)
2054    Ib[Ibeg:Ifin] = parmDict['FltBack']
2055    try:
2056        if not len(varyList):
2057            Msg += ' - nothing refined'
2058            raise ValueError
2059        Nans = np.isnan(newVals)
2060        if np.any(Nans):
2061            name = varyList[Nans.nonzero(True)[0]]
2062            Msg += ' Nan result for '+name+'!'
2063            raise ValueError
2064        Negs = np.less_equal(newVals,0.)
2065        if np.any(Negs):
2066            indx = Negs.nonzero()
2067            name = varyList[indx[0][0]]
2068            if name != 'FltBack' and 'Mag SLD' not in name:
2069                Msg += ' negative coefficient for '+name+'!'
2070                raise ValueError
2071        if len(covM):
2072            sig = np.sqrt(np.diag(covM)*Rvals['GOF'])
2073            covMatrix = covM*Rvals['GOF']
2074        else:
2075            sig = np.zeros(len(varyList))
2076            covMatrix = []
2077        sigDict = dict(zip(varyList,sig))
2078        print ' Results of reflectometry data modelling fit:'
2079        print 'Number of function calls:',ncalc,' Number of observations: ',Ifin-Ibeg,' Number of parameters: ',len(varyList)
2080        print 'Rwp = %7.2f%%, chi**2 = %12.6g, reduced chi**2 = %6.2f'%(Rvals['Rwp'],chisq,Rvals['GOF'])
2081        SetModelParms()
2082        return True,result,varyList,sig,Rvals,covMatrix,parmDict,''
2083    except (ValueError,TypeError):      #when bad LS refinement; covM missing or with nans
2084        print Msg
2085        return False,0,0,0,0,0,0,Msg
2086       
2087def makeSLDprofile(data,Substances):
2088   
2089    sq2 = np.sqrt(2.)
2090    Nlayers = len(data['Layers'])
2091    interfaces = np.zeros(Nlayers)
2092    rho = np.zeros(Nlayers)
2093    irho = np.zeros(Nlayers)
2094    sigma = np.zeros(Nlayers)
2095    thick = 0.
2096    for ilayer,layer in enumerate(data['Layers']):
2097        name = layer['Name']
2098        if 'Thick' in layer:    #skips first & last layers
2099            thick += layer['Thick'][0]
2100            interfaces[ilayer] = layer['Thick'][0]+interfaces[ilayer-1]
2101        if 'Rough' in layer:    #skips first layer
2102            sigma[ilayer] = max(0.001,layer['Rough'][0])
2103        rho[ilayer] = Substances[name]['Scatt density']*layer['DenMul'][0]
2104        if 'Mag SLD' in layer:
2105            rho[ilayer] += layer['Mag SLD'][0]
2106        irho[ilayer] = Substances[name].get('XImag density',0.)*layer['DenMul'][0]
2107    x = np.linspace(-0.15*thick,1.15*thick,1000,endpoint=True)
2108    xr = np.flipud(x)
2109    interfaces[-1] = x[-1]
2110    y = np.ones_like(x)*rho[0]
2111    iBeg = 0
2112    for ilayer in range(Nlayers-1):
2113        delt = rho[ilayer+1]-rho[ilayer]
2114        iPos = np.searchsorted(x,interfaces[ilayer])
2115        y[iBeg:] += (delt/2.)*sp.erfc((interfaces[ilayer]-x[iBeg:])/(sq2*sigma[ilayer+1]))
2116        iBeg = iPos
2117    return x,xr,y   
2118
2119def REFDModelFxn(Profile,Inst,Limits,Substances,data):
2120   
2121    Q,Io,wt,Ic,Ib,Ifb = Profile[:6]
2122    Qmin = Limits[1][0]
2123    Qmax = Limits[1][1]
2124    iBeg = np.searchsorted(Q,Qmin)
2125    iFin = np.searchsorted(Q,Qmax)+1    #include last point
2126    Ib[:] = data['FltBack'][0]
2127    Ic[:] = 0
2128    Scale = data['Scale'][0]
2129    Nlayers = len(data['Layers'])
2130    depth = np.zeros(Nlayers)
2131    rho = np.zeros(Nlayers)
2132    irho = np.zeros(Nlayers)
2133    sigma = np.zeros(Nlayers)
2134    for ilayer,layer in enumerate(data['Layers']):
2135        name = layer['Name']
2136        if 'Thick' in layer:    #skips first & last layers
2137            depth[ilayer] = layer['Thick'][0]
2138        if 'Rough' in layer:    #skips first layer
2139            sigma[ilayer] = layer['Rough'][0]
2140        if 'unit scatter' == name:
2141            rho[ilayer] = layer['DenMul'][0]
2142            irho[ilayer] = layer['iDenMul'][0]
2143        else:
2144            rho[ilayer] = Substances[name]['Scatt density']*layer['DenMul'][0]
2145            irho[ilayer] = Substances[name].get('XImag density',0.)*layer['DenMul'][0]
2146        if 'Mag SLD' in layer:
2147            rho[ilayer] += layer['Mag SLD'][0]
2148    A,B = abeles(0.5*Q[iBeg:iFin],depth,rho,irho,sigma[1:])     #Q --> k, offset roughness for abeles
2149    Ic[iBeg:iFin] = (A**2+B**2)*Scale+Ib[iBeg:iFin]
2150
2151def abeles(kz, depth, rho, irho=0, sigma=0):
2152    """
2153    Optical matrix form of the reflectivity calculation.
2154    O.S. Heavens, Optical Properties of Thin Solid Films
2155   
2156    Reflectometry as a function of kz for a set of slabs.
2157
2158    :Parameters:
2159
2160    *kz* : float[n] | |1/Ang|
2161        Scattering vector $2\pi\sin(\theta)/\lambda$. This is $\tfrac12 Q_z$.
2162    *depth* :  float[m] | |Ang|
2163        thickness of each layer.  The thickness of the incident medium
2164        and substrate are ignored.
2165    *rho*, *irho* :  float[n,k] | |1e-6/Ang^2|
2166        real and imaginary scattering length density for each layer for each kz
2167        Note: absorption cross section mu = 2 irho/lambda for neutrons
2168    *sigma* : float[m-1] | |Ang|
2169        interfacial roughness.  This is the roughness between a layer
2170        and the previous layer. The sigma array should have m-1 entries.
2171
2172    Slabs are ordered with the surface SLD at index 0 and substrate at
2173    index -1, or reversed if kz < 0.
2174    """
2175    def calc(kz, depth, rho, irho, sigma):
2176        if len(kz) == 0: return kz
2177   
2178        # Complex index of refraction is relative to the incident medium.
2179        # We can get the same effect using kz_rel^2 = kz^2 + 4*pi*rho_o
2180        # in place of kz^2, and ignoring rho_o
2181        kz_sq = kz**2 + 4e-6*np.pi*rho[:,0]
2182        k = kz
2183   
2184        # According to Heavens, the initial matrix should be [ 1 F; F 1],
2185        # which we do by setting B=I and M0 to [1 F; F 1].  An extra matrix
2186        # multiply versus some coding convenience.
2187        B11 = 1
2188        B22 = 1
2189        B21 = 0
2190        B12 = 0
2191        for i in range(0, len(depth)-1):
2192            k_next = np.sqrt(kz_sq - 4e-6*np.pi*(rho[:,i+1] + 1j*irho[:,i+1]))
2193            F = (k - k_next) / (k + k_next)
2194            F *= np.exp(-2*k*k_next*sigma[i]**2)
2195            #print "==== layer",i
2196            #print "kz:", kz
2197            #print "k:", k
2198            #print "k_next:",k_next
2199            #print "F:",F
2200            #print "rho:",rho[:,i+1]
2201            #print "irho:",irho[:,i+1]
2202            #print "d:",depth[i],"sigma:",sigma[i]
2203            M11 = np.exp(1j*k*depth[i]) if i>0 else 1
2204            M22 = np.exp(-1j*k*depth[i]) if i>0 else 1
2205            M21 = F*M11
2206            M12 = F*M22
2207            C1 = B11*M11 + B21*M12
2208            C2 = B11*M21 + B21*M22
2209            B11 = C1
2210            B21 = C2
2211            C1 = B12*M11 + B22*M12
2212            C2 = B12*M21 + B22*M22
2213            B12 = C1
2214            B22 = C2
2215            k = k_next
2216   
2217        r = B12/B11
2218        return np.real(r),np.imag(r)
2219
2220    if np.isscalar(kz): kz = np.asarray([kz], 'd')
2221
2222    m = len(depth)
2223
2224    # Make everything into arrays
2225    depth = np.asarray(depth,'d')
2226    rho = np.asarray(rho,'d')
2227    irho = irho*np.ones_like(rho) if np.isscalar(irho) else np.asarray(irho,'d')
2228    sigma = sigma*np.ones(m-1,'d') if np.isscalar(sigma) else np.asarray(sigma,'d')
2229
2230    # Repeat rho,irho columns as needed
2231    if len(rho.shape) == 1:
2232        rho = rho[None,:]
2233        irho = irho[None,:]
2234
2235    return calc(kz, depth, rho, irho, sigma)
2236   
2237################################################################################
2238# Stacking fault simulation codes
2239################################################################################
2240
2241def GetStackParms(Layers):
2242   
2243    Parms = []
2244#cell parms
2245    if Layers['Laue'] in ['-3','-3m','4/m','4/mmm','6/m','6/mmm']:
2246        Parms.append('cellA')
2247        Parms.append('cellC')
2248    else:
2249        Parms.append('cellA')
2250        Parms.append('cellB')
2251        Parms.append('cellC')
2252        if Layers['Laue'] != 'mmm':
2253            Parms.append('cellG')
2254#Transition parms
2255    for iY in range(len(Layers['Layers'])):
2256        for iX in range(len(Layers['Layers'])):
2257            Parms.append('TransP;%d;%d'%(iY,iX))
2258            Parms.append('TransX;%d;%d'%(iY,iX))
2259            Parms.append('TransY;%d;%d'%(iY,iX))
2260            Parms.append('TransZ;%d;%d'%(iY,iX))
2261    return Parms
2262
2263def StackSim(Layers,ctrls,scale=0.,background={},limits=[],inst={},profile=[]):
2264    '''Simulate powder or selected area diffraction pattern from stacking faults using DIFFaX
2265   
2266    param: Layers dict: 'Laue':'-1','Cell':[False,1.,1.,1.,90.,90.,90,1.],
2267                        'Width':[[10.,10.],[False,False]],'Toler':0.01,'AtInfo':{},
2268                        'Layers':[],'Stacking':[],'Transitions':[]}
2269    param: ctrls string: controls string to be written on DIFFaX controls.dif file
2270    param: scale float: scale factor
2271    param: background dict: background parameters
2272    param: limits list: min/max 2-theta to be calculated
2273    param: inst dict: instrument parameters dictionary
2274    param: profile list: powder pattern data
2275   
2276    all updated in place   
2277    '''
2278    import atmdata
2279    path = sys.path
2280    for name in path:
2281        if 'bin' in name:
2282            DIFFaX = name+'/DIFFaX.exe'
2283            print ' Execute ',DIFFaX
2284            break
2285    # make form factor file that DIFFaX wants - atom types are GSASII style
2286    sf = open('data.sfc','w')
2287    sf.write('GSASII special form factor file for DIFFaX\n\n')
2288    atTypes = Layers['AtInfo'].keys()
2289    if 'H' not in atTypes:
2290        atTypes.insert(0,'H')
2291    for atType in atTypes:
2292        if atType == 'H': 
2293            blen = -.3741
2294        else:
2295            blen = Layers['AtInfo'][atType]['Isotopes']['Nat. Abund.']['SL'][0]
2296        Adat = atmdata.XrayFF[atType]
2297        text = '%4s'%(atType.ljust(4))
2298        for i in range(4):
2299            text += '%11.6f%11.6f'%(Adat['fa'][i],Adat['fb'][i])
2300        text += '%11.6f%11.6f'%(Adat['fc'],blen)
2301        text += '%3d\n'%(Adat['Z'])
2302        sf.write(text)
2303    sf.close()
2304    #make DIFFaX control.dif file - future use GUI to set some of these flags
2305    cf = open('control.dif','w')
2306    if ctrls == '0\n0\n3\n' or ctrls == '0\n1\n3\n': 
2307        x0 = profile[0]
2308        iBeg = np.searchsorted(x0,limits[0])
2309        iFin = np.searchsorted(x0,limits[1])+1
2310        if iFin-iBeg > 20000:
2311            iFin = iBeg+20000
2312        Dx = (x0[iFin]-x0[iBeg])/(iFin-iBeg)
2313        cf.write('GSASII-DIFFaX.dat\n'+ctrls)
2314        cf.write('%.6f %.6f %.6f\n1\n1\nend\n'%(x0[iBeg],x0[iFin],Dx))
2315    else:
2316        cf.write('GSASII-DIFFaX.dat\n'+ctrls)
2317        inst = {'Type':['XSC','XSC',]}
2318    cf.close()
2319    #make DIFFaX data file
2320    df = open('GSASII-DIFFaX.dat','w')
2321    df.write('INSTRUMENTAL\n')
2322    if 'X' in inst['Type'][0]:
2323        df.write('X-RAY\n')
2324    elif 'N' in inst['Type'][0]:
2325        df.write('NEUTRON\n')
2326    if ctrls == '0\n0\n3\n' or ctrls == '0\n1\n3\n': 
2327        df.write('%.4f\n'%(G2mth.getMeanWave(inst)))
2328        U = ateln2*inst['U'][1]/10000.
2329        V = ateln2*inst['V'][1]/10000.
2330        W = ateln2*inst['W'][1]/10000.
2331        HWHM = U*nptand(x0[iBeg:iFin]/2.)**2+V*nptand(x0[iBeg:iFin]/2.)+W
2332        HW = np.sqrt(np.mean(HWHM))
2333    #    df.write('PSEUDO-VOIGT 0.015 -0.0036 0.009 0.605 TRIM\n')
2334        if 'Mean' in Layers['selInst']:
2335            df.write('GAUSSIAN %.6f TRIM\n'%(HW))     #fast option - might not really matter
2336        elif 'Gaussian' in Layers['selInst']:
2337            df.write('GAUSSIAN %.6f %.6f %.6f TRIM\n'%(U,V,W))    #slow - make a GUI option?
2338        else:
2339            df.write('None\n')
2340    else:
2341        df.write('0.10\nNone\n')
2342    df.write('STRUCTURAL\n')
2343    a,b,c = Layers['Cell'][1:4]
2344    gam = Layers['Cell'][6]
2345    df.write('%.4f %.4f %.4f %.3f\n'%(a,b,c,gam))
2346    laue = Layers['Laue']
2347    if laue == '2/m(ab)':
2348        laue = '2/m(1)'
2349    elif laue == '2/m(c)':
2350        laue = '2/m(2)'
2351    if 'unknown' in Layers['Laue']:
2352        df.write('%s %.3f\n'%(laue,Layers['Toler']))
2353    else:   
2354        df.write('%s\n'%(laue))
2355    df.write('%d\n'%(len(Layers['Layers'])))
2356    if Layers['Width'][0][0] < 1. or Layers['Width'][0][1] < 1.:
2357        df.write('%.1f %.1f\n'%(Layers['Width'][0][0]*10000.,Layers['Width'][0][0]*10000.))    #mum to A
2358    layerNames = []
2359    for layer in Layers['Layers']:
2360        layerNames.append(layer['Name'])
2361    for il,layer in enumerate(Layers['Layers']):
2362        if layer['SameAs']:
2363            df.write('LAYER %d = %d\n'%(il+1,layerNames.index(layer['SameAs'])+1))
2364            continue
2365        df.write('LAYER %d\n'%(il+1))
2366        if '-1' in layer['Symm']:
2367            df.write('CENTROSYMMETRIC\n')
2368        else:
2369            df.write('NONE\n')
2370        for ia,atom in enumerate(layer['Atoms']):
2371            [name,atype,x,y,z,frac,Uiso] = atom
2372            if '-1' in layer['Symm'] and [x,y,z] == [0.,0.,0.]:
2373                frac /= 2.
2374            df.write('%4s %3d %.5f %.5f %.5f %.4f %.2f\n'%(atype.ljust(6),ia,x,y,z,78.9568*Uiso,frac))
2375    df.write('STACKING\n')
2376    df.write('%s\n'%(Layers['Stacking'][0]))
2377    if 'recursive' in Layers['Stacking'][0]:
2378        df.write('%s\n'%Layers['Stacking'][1])
2379    else:
2380        if 'list' in Layers['Stacking'][1]:
2381            Slen = len(Layers['Stacking'][2])
2382            iB = 0
2383            iF = 0
2384            while True:
2385                iF += 68
2386                if iF >= Slen:
2387                    break
2388                iF = min(iF,Slen)
2389                df.write('%s\n'%(Layers['Stacking'][2][iB:iF]))
2390                iB = iF
2391        else:
2392            df.write('%s\n'%Layers['Stacking'][1])   
2393    df.write('TRANSITIONS\n')
2394    for iY in range(len(Layers['Layers'])):
2395        sumPx = 0.
2396        for iX in range(len(Layers['Layers'])):
2397            p,dx,dy,dz = Layers['Transitions'][iY][iX][:4]
2398            p = round(p,3)
2399            df.write('%.3f %.5f %.5f %.5f\n'%(p,dx,dy,dz))
2400            sumPx += p
2401        if sumPx != 1.0:    #this has to be picky since DIFFaX is.
2402            print 'ERROR - Layer probabilities sum to ',sumPx,' DIFFaX will insist it = 1.0'
2403            df.close()
2404            os.remove('data.sfc')
2405            os.remove('control.dif')
2406            os.remove('GSASII-DIFFaX.dat')
2407            return       
2408    df.close()   
2409    time0 = time.time()
2410    try:
2411        subp.call(DIFFaX)
2412    except OSError:
2413        print ' DIFFax.exe is not available for this platform - under development'
2414    print ' DIFFaX time = %.2fs'%(time.time()-time0)
2415    if os.path.exists('GSASII-DIFFaX.spc'):
2416        Xpat = np.loadtxt('GSASII-DIFFaX.spc').T
2417        iFin = iBeg+Xpat.shape[1]
2418        bakType,backDict,backVary = SetBackgroundParms(background)
2419        backDict['Lam1'] = G2mth.getWave(inst)
2420        profile[4][iBeg:iFin] = getBackground('',backDict,bakType,inst['Type'][0],profile[0][iBeg:iFin])[0]   
2421        profile[3][iBeg:iFin] = Xpat[-1]*scale+profile[4][iBeg:iFin]
2422        if not np.any(profile[1]):                   #fill dummy data x,y,w,yc,yb,yd
2423            rv = st.poisson(profile[3][iBeg:iFin])
2424            profile[1][iBeg:iFin] = rv.rvs()
2425            Z = np.ones_like(profile[3][iBeg:iFin])
2426            Z[1::2] *= -1
2427            profile[1][iBeg:iFin] = profile[3][iBeg:iFin]+np.abs(profile[1][iBeg:iFin]-profile[3][iBeg:iFin])*Z
2428            profile[2][iBeg:iFin] = np.where(profile[1][iBeg:iFin]>0.,1./profile[1][iBeg:iFin],1.0)
2429        profile[5][iBeg:iFin] = profile[1][iBeg:iFin]-profile[3][iBeg:iFin]
2430    #cleanup files..
2431        os.remove('GSASII-DIFFaX.spc')
2432    elif os.path.exists('GSASII-DIFFaX.sadp'):
2433        Sadp = np.fromfile('GSASII-DIFFaX.sadp','>u2')
2434        Sadp = np.reshape(Sadp,(256,-1))
2435        Layers['Sadp']['Img'] = Sadp
2436        os.remove('GSASII-DIFFaX.sadp')
2437    os.remove('data.sfc')
2438    os.remove('control.dif')
2439    os.remove('GSASII-DIFFaX.dat')
2440   
2441def SetPWDRscan(inst,limits,profile):
2442   
2443    wave = G2mth.getMeanWave(inst)
2444    x0 = profile[0]
2445    iBeg = np.searchsorted(x0,limits[0])
2446    iFin = np.searchsorted(x0,limits[1])+1
2447    if iFin-iBeg > 20000:
2448        iFin = iBeg+20000
2449    Dx = (x0[iFin]-x0[iBeg])/(iFin-iBeg)
2450    pyx.pygetinst(wave,x0[iBeg],x0[iFin],Dx)
2451    return iFin-iBeg
2452       
2453def SetStackingSF(Layers,debug):
2454# Load scattering factors into DIFFaX arrays
2455    import atmdata
2456    atTypes = Layers['AtInfo'].keys()
2457    aTypes = []
2458    for atype in atTypes:
2459        aTypes.append('%4s'%(atype.ljust(4)))
2460    SFdat = []
2461    for atType in atTypes:
2462        Adat = atmdata.XrayFF[atType]
2463        SF = np.zeros(9)
2464        SF[:8:2] = Adat['fa']
2465        SF[1:8:2] = Adat['fb']
2466        SF[8] = Adat['fc']
2467        SFdat.append(SF)
2468    SFdat = np.array(SFdat)
2469    pyx.pyloadscf(len(atTypes),aTypes,SFdat.T,debug)
2470   
2471def SetStackingClay(Layers,Type):
2472# Controls
2473    rand.seed()
2474    ranSeed = rand.randint(1,2**16-1)
2475    try:   
2476        laueId = ['-1','2/m(ab)','2/m(c)','mmm','-3','-3m','4/m','4/mmm',
2477            '6/m','6/mmm'].index(Layers['Laue'])+1
2478    except ValueError:  #for 'unknown'
2479        laueId = -1
2480    if 'SADP' in Type:
2481        planeId = ['h0l','0kl','hhl','h-hl'].index(Layers['Sadp']['Plane'])+1
2482        lmax = int(Layers['Sadp']['Lmax'])
2483    else:
2484        planeId = 0
2485        lmax = 0
2486# Sequences
2487    StkType = ['recursive','explicit'].index(Layers['Stacking'][0])
2488    try:
2489        StkParm = ['infinite','random','list'].index(Layers['Stacking'][1])
2490    except ValueError:
2491        StkParm = -1
2492    if StkParm == 2:    #list
2493        StkSeq = [int(val) for val in Layers['Stacking'][2].split()]
2494        Nstk = len(StkSeq)
2495    else:
2496        Nstk = 1
2497        StkSeq = [0,]
2498    if StkParm == -1:
2499        StkParm = int(Layers['Stacking'][1])
2500    Wdth = Layers['Width'][0]
2501    mult = 1
2502    controls = [laueId,planeId,lmax,mult,StkType,StkParm,ranSeed]
2503    LaueSym = Layers['Laue'].ljust(12)
2504    pyx.pygetclay(controls,LaueSym,Wdth,Nstk,StkSeq)
2505    return laueId,controls
2506   
2507def SetCellAtoms(Layers):
2508    Cell = Layers['Cell'][1:4]+Layers['Cell'][6:7]
2509# atoms in layers
2510    atTypes = Layers['AtInfo'].keys()
2511    AtomXOU = []
2512    AtomTp = []
2513    LayerSymm = []
2514    LayerNum = []
2515    layerNames = []
2516    Natm = 0
2517    Nuniq = 0
2518    for layer in Layers['Layers']:
2519        layerNames.append(layer['Name'])
2520    for il,layer in enumerate(Layers['Layers']):
2521        if layer['SameAs']:
2522            LayerNum.append(layerNames.index(layer['SameAs'])+1)
2523            continue
2524        else:
2525            LayerNum.append(il+1)
2526            Nuniq += 1
2527        if '-1' in layer['Symm']:
2528            LayerSymm.append(1)
2529        else:
2530            LayerSymm.append(0)
2531        for ia,atom in enumerate(layer['Atoms']):
2532            [name,atype,x,y,z,frac,Uiso] = atom
2533            Natm += 1
2534            AtomTp.append('%4s'%(atype.ljust(4)))
2535            Ta = atTypes.index(atype)+1
2536            AtomXOU.append([float(Nuniq),float(ia+1),float(Ta),x,y,z,frac,Uiso*78.9568])
2537    AtomXOU = np.array(AtomXOU)
2538    Nlayers = len(layerNames)
2539    pyx.pycellayer(Cell,Natm,AtomTp,AtomXOU.T,Nuniq,LayerSymm,Nlayers,LayerNum)
2540    return Nlayers
2541   
2542def SetStackingTrans(Layers,Nlayers):
2543# Transitions
2544    TransX = []
2545    TransP = []
2546    for Ytrans in Layers['Transitions']:
2547        TransP.append([trans[0] for trans in Ytrans])   #get just the numbers
2548        TransX.append([trans[1:4] for trans in Ytrans])   #get just the numbers
2549    TransP = np.array(TransP,dtype='float').T
2550    TransX = np.array(TransX,dtype='float')
2551#    GSASIIpath.IPyBreak()
2552    pyx.pygettrans(Nlayers,TransP,TransX)
2553   
2554def CalcStackingPWDR(Layers,scale,background,limits,inst,profile,debug):
2555# Scattering factors
2556    SetStackingSF(Layers,debug)
2557# Controls & sequences
2558    laueId,controls = SetStackingClay(Layers,'PWDR')
2559# cell & atoms
2560    Nlayers = SetCellAtoms(Layers)
2561    Volume = Layers['Cell'][7]   
2562# Transitions
2563    SetStackingTrans(Layers,Nlayers)
2564# PWDR scan
2565    Nsteps = SetPWDRscan(inst,limits,profile)
2566# result as Spec
2567    x0 = profile[0]
2568    profile[3] = np.zeros(len(profile[0]))
2569    profile[4] = np.zeros(len(profile[0]))
2570    profile[5] = np.zeros(len(profile[0]))
2571    iBeg = np.searchsorted(x0,limits[0])
2572    iFin = np.searchsorted(x0,limits[1])+1
2573    if iFin-iBeg > 20000:
2574        iFin = iBeg+20000
2575    Nspec = 20001       
2576    spec = np.zeros(Nspec,dtype='double')   
2577    time0 = time.time()
2578    pyx.pygetspc(controls,Nspec,spec)
2579    print ' GETSPC time = %.2fs'%(time.time()-time0)
2580    time0 = time.time()
2581    U = ateln2*inst['U'][1]/10000.
2582    V = ateln2*inst['V'][1]/10000.
2583    W = ateln2*inst['W'][1]/10000.
2584    HWHM = U*nptand(x0[iBeg:iFin]/2.)**2+V*nptand(x0[iBeg:iFin]/2.)+W
2585    HW = np.sqrt(np.mean(HWHM))
2586    BrdSpec = np.zeros(Nsteps)
2587    if 'Mean' in Layers['selInst']:
2588        pyx.pyprofile(U,V,W,HW,1,Nsteps,BrdSpec)
2589    elif 'Gaussian' in Layers['selInst']:
2590        pyx.pyprofile(U,V,W,HW,4,Nsteps,BrdSpec)
2591    else:
2592        BrdSpec = spec[:Nsteps]
2593    BrdSpec /= Volume
2594    iFin = iBeg+Nsteps
2595    bakType,backDict,backVary = SetBackgroundParms(background)
2596    backDict['Lam1'] = G2mth.getWave(inst)
2597    profile[4][iBeg:iFin] = getBackground('',backDict,bakType,inst['Type'][0],profile[0][iBeg:iFin])[0]   
2598    profile[3][iBeg:iFin] = BrdSpec*scale+profile[4][iBeg:iFin]
2599    if not np.any(profile[1]):                   #fill dummy data x,y,w,yc,yb,yd
2600        rv = st.poisson(profile[3][iBeg:iFin])
2601        profile[1][iBeg:iFin] = rv.rvs()
2602        Z = np.ones_like(profile[3][iBeg:iFin])
2603        Z[1::2] *= -1
2604        profile[1][iBeg:iFin] = profile[3][iBeg:iFin]+np.abs(profile[1][iBeg:iFin]-profile[3][iBeg:iFin])*Z
2605        profile[2][iBeg:iFin] = np.where(profile[1][iBeg:iFin]>0.,1./profile[1][iBeg:iFin],1.0)
2606    profile[5][iBeg:iFin] = profile[1][iBeg:iFin]-profile[3][iBeg:iFin]
2607    print ' Broadening time = %.2fs'%(time.time()-time0)
2608   
2609def CalcStackingSADP(Layers,debug):
2610   
2611# Scattering factors
2612    SetStackingSF(Layers,debug)
2613# Controls & sequences
2614    laueId,controls = SetStackingClay(Layers,'SADP')
2615# cell & atoms
2616    Nlayers = SetCellAtoms(Layers)   
2617# Transitions
2618    SetStackingTrans(Layers,Nlayers)
2619# result as Sadp
2620    Nspec = 20001       
2621    spec = np.zeros(Nspec,dtype='double')   
2622    time0 = time.time()
2623    hkLim,Incr,Nblk = pyx.pygetsadp(controls,Nspec,spec)
2624    Sapd = np.zeros((256,256))
2625    iB = 0
2626    for i in range(hkLim):
2627        iF = iB+Nblk
2628        p1 = 127+int(i*Incr)
2629        p2 = 128-int(i*Incr)
2630        if Nblk == 128:
2631            if i:
2632                Sapd[128:,p1] = spec[iB:iF]
2633                Sapd[:128,p1] = spec[iF:iB:-1]
2634            Sapd[128:,p2] = spec[iB:iF]
2635            Sapd[:128,p2] = spec[iF:iB:-1]
2636        else:
2637            if i:
2638                Sapd[:,p1] = spec[iB:iF]
2639            Sapd[:,p2] = spec[iB:iF]
2640        iB += Nblk
2641    Layers['Sadp']['Img'] = Sapd
2642    print ' GETSAD time = %.2fs'%(time.time()-time0)
2643#    GSASIIpath.IPyBreak()
2644   
2645#testing data
2646NeedTestData = True
2647def TestData():
2648    'needs a doc string'
2649#    global NeedTestData
2650    global bakType
2651    bakType = 'chebyschev'
2652    global xdata
2653    xdata = np.linspace(4.0,40.0,36000)
2654    global parmDict0
2655    parmDict0 = {
2656        'pos0':5.6964,'int0':8835.8,'sig0':1.0,'gam0':1.0,
2657        'pos1':11.4074,'int1':3922.3,'sig1':1.0,'gam1':1.0,
2658        'pos2':20.6426,'int2':1573.7,'sig2':1.0,'gam2':1.0,
2659        'pos3':26.9568,'int3':925.1,'sig3':1.0,'gam3':1.0,
2660        'U':1.163,'V':-0.605,'W':0.093,'X':0.0,'Y':2.183,'SH/L':0.002,
2661        'Back0':5.384,'Back1':-0.015,'Back2':.004,
2662        }
2663    global parmDict1
2664    parmDict1 = {
2665        'pos0':13.4924,'int0':48697.6,'sig0':1.0,'gam0':1.0,
2666        'pos1':23.4360,'int1':43685.5,'sig1':1.0,'gam1':1.0,
2667        'pos2':27.1152,'int2':123712.6,'sig2':1.0,'gam2':1.0,
2668        'pos3':33.7196,'int3':65349.4,'sig3':1.0,'gam3':1.0,
2669        'pos4':36.1119,'int4':115829.8,'sig4':1.0,'gam4':1.0,
2670        'pos5':39.0122,'int5':6916.9,'sig5':1.0,'gam5':1.0,
2671        'U':22.75,'V':-17.596,'W':10.594,'X':1.577,'Y':5.778,'SH/L':0.002,
2672        'Back0':36.897,'Back1':-0.508,'Back2':.006,
2673        'Lam1':1.540500,'Lam2':1.544300,'I(L2)/I(L1)':0.5,
2674        }
2675    global parmDict2
2676    parmDict2 = {
2677        'pos0':5.7,'int0':1000.0,'sig0':0.5,'gam0':0.5,
2678        'U':2.,'V':-2.,'W':5.,'X':0.5,'Y':0.5,'SH/L':0.02,
2679        'Back0':5.,'Back1':-0.02,'Back2':.004,
2680#        'Lam1':1.540500,'Lam2':1.544300,'I(L2)/I(L1)':0.5,
2681        }
2682    global varyList
2683    varyList = []
2684
2685def test0():
2686    if NeedTestData: TestData()
2687    gplot = plotter.add('FCJ-Voigt, 11BM').gca()
2688    gplot.plot(xdata,getBackground('',parmDict0,bakType,'PXC',xdata)[0])   
2689    gplot.plot(xdata,getPeakProfile(parmDict0,xdata,varyList,bakType))
2690    fplot = plotter.add('FCJ-Voigt, Ka1+2').gca()
2691    fplot.plot(xdata,getBackground('',parmDict1,bakType,'PXC',xdata)[0])   
2692    fplot.plot(xdata,getPeakProfile(parmDict1,xdata,varyList,bakType))
2693   
2694def test1():
2695    if NeedTestData: TestData()
2696    time0 = time.time()
2697    for i in range(100):
2698        getPeakProfile(parmDict1,xdata,varyList,bakType)
2699    print '100+6*Ka1-2 peaks=1200 peaks',time.time()-time0
2700   
2701def test2(name,delt):
2702    if NeedTestData: TestData()
2703    varyList = [name,]
2704    xdata = np.linspace(5.6,5.8,400)
2705    hplot = plotter.add('derivatives test for '+name).gca()
2706    hplot.plot(xdata,getPeakProfileDerv(parmDict2,xdata,varyList,bakType)[0])
2707    y0 = getPeakProfile(parmDict2,xdata,varyList,bakType)
2708    parmDict2[name] += delt
2709    y1 = getPeakProfile(parmDict2,xdata,varyList,bakType)
2710    hplot.plot(xdata,(y1-y0)/delt,'r+')
2711   
2712def test3(name,delt):
2713    if NeedTestData: TestData()
2714    names = ['pos','sig','gam','shl']
2715    idx = names.index(name)
2716    myDict = {'pos':parmDict2['pos0'],'sig':parmDict2['sig0'],'gam':parmDict2['gam0'],'shl':parmDict2['SH/L']}
2717    xdata = np.linspace(5.6,5.8,800)
2718    dx = xdata[1]-xdata[0]
2719    hplot = plotter.add('derivatives test for '+name).gca()
2720    hplot.plot(xdata,100.*dx*getdFCJVoigt3(myDict['pos'],myDict['sig'],myDict['gam'],myDict['shl'],xdata)[idx+1])
2721    y0 = getFCJVoigt3(myDict['pos'],myDict['sig'],myDict['gam'],myDict['shl'],xdata)
2722    myDict[name] += delt
2723    y1 = getFCJVoigt3(myDict['pos'],myDict['sig'],myDict['gam'],myDict['shl'],xdata)
2724    hplot.plot(xdata,(y1-y0)/delt,'r+')
2725
2726if __name__ == '__main__':
2727    import GSASIItestplot as plot
2728    global plotter
2729    plotter = plot.PlotNotebook()
2730#    test0()
2731#    for name in ['int0','pos0','sig0','gam0','U','V','W','X','Y','SH/L','I(L2)/I(L1)']:
2732    for name,shft in [['int0',0.1],['pos0',0.0001],['sig0',0.01],['gam0',0.00001],
2733        ['U',0.1],['V',0.01],['W',0.01],['X',0.0001],['Y',0.0001],['SH/L',0.00005]]:
2734        test2(name,shft)
2735    for name,shft in [['pos',0.0001],['sig',0.01],['gam',0.0001],['shl',0.00005]]:
2736        test3(name,shft)
2737    print "OK"
2738    plotter.StartEventLoop()
Note: See TracBrowser for help on using the repository browser.