Python^®-Scripting-Integrationen für Genie™-Software

Das FWHM_compare.py-Skript in Genie ermöglicht Ihnen den Vergleich von Analyseergebnissen sowohl mit älteren als auch mit quadratwurzel-polynomialen FWHM-Kalibrierungen. Hier ist eine vereinfachte Anleitung zur Verwendung:

1. Stellen Sie sicher, dass Ihr Spektrum mit Genie kalibriert ist.
2. Stellen Sie sicher, dass Python und Genie USDK auf Ihrem Computer installiert sind.
3. Kopieren Sie die FWHM_compare.py-Datei in den Ordner C:\GENIE2K\SCRIPTS (oder Äquivalent).
4. Öffnen Sie das gewünschte Spektrum in der Gammaanalyse und Erfassung.
5. Gehen Sie zu -> Post NID-Verarbeitung -> Python-Script und analysieren Sie es.
6. Wählen Sie das FWHM_compare.py-Python-Skript im erscheinenden Dialog aus.
7. Klicken Sie auf „Ausführen“, um das Skript auszuführen.

Das Skript führt die Analyse zweimal aus, einmal mit jedem FWHM-Modell und generiert eine CSV-Datei mit dem Namen „fwhm_xxx.csv“ (xxx bezeichnet das aktuelle Datum und die Uhrzeit). Diese Datei enthält zwei Abschnitte:

1. „Peaks“ liefert die Energie-, Peakbereichs-, Peakbereichs-Unsicherheit, Effizienz und Effizienzunsicherheit für alle detektierten Peaks in beiden Analysen zusammen mit der %-Differenz für Peaks innerhalb einer 0,25 keV-Toleranz.
2. „Radionuklide“ listet Aktivität, Aktivitätsunsicherheit und MDA für alle identifizierten Radionuklide auf oder für jene, für die in beiden Analysen eine MDA berechnet wurde. Es enthält in diesen Werten auch die %-Differenzfür der in beiden Analysen identifizierte Radionuklide.


Die CSV-Datei kann in Excel oder einem Texteditor zur weiteren Überprüfung und Analyse geöffnet werden.

FWHM-Skript herunterladen

Unser hervorgehobenes Beispielskript zeigt, wie Python den Datenexport aus verarbeiteten Spektren in Genie in a rationalisieren kann. CSV-Datei, bereit zur elektronischen Lieferung an ein Laborinformations-Managementsystem (LIMS). In diesem Szenario bereitet das Skript die Daten auf das direkte Laden in die CBRNResponder-Analyseergebnis-Importvorlage vor, was die Arbeitsbelastung des Analysten während einer nuklearen Notfallhilfe erleichtert.


CBRNResponder ist eine sichere Plattform für den Austausch von Daten und die Verwaltung von Ereignissen im Zusammenhang mit chemischen, biologischen, radiologischen und nuklearen Vorfällen (CBRN). Es wird unter anderem von der Federal Emergency Management Agency gesponsert und ist ein kostenloser Service für alle staatlichen, lokalen, tribalen und territorialen Notfallhilfeorganisationen.


CBRNResponder ist besonders bei radiologischen oder nuklearen Vorfällen nützlich. Das Federal Radiological Monitoring and Assessment-Center (FRMAC) verwendet diese Plattform für Laboranalysedatenberichte. Labore, die bei FRMAC-Antworten helfen, können dieses Skript zur Beschleunigung der Datenberichterstattung ab Genie verwenden.


Besuchen Sie die CBRNResponder-Website für eine vollständige Liste der integrierten Gerätehersteller. Um Ihr Labor auf CBRNResponder, E-Mail [email protected].

CBRN-Skript herunterladen

Hier sind 9 kostenlose Ressourcen zum Lernen von Python:

• Python.org – die offizielle Python-Website bietet umfassende Dokumentation, Tutorials und Anleitungen:
  Link: https://www.python.org/
• SoloLearn – bietet einen kostenlosen Python-Kurs mit interaktiven Lektionen und Codierungsherausforderungen:
  Link: https://www.sololearn.com/Course/Python/
• Googles Python-Klasse – ein kostenloser Python-Kurs von Google, der Vorlesungen und Übungen enthält:
  Link: https://developers.google.com/edu/python
• Automatisieren Sie die langweiligen Aufgaben mit Python – ein kostenloses Online-Buch von Al Sweigart, das sich auf die Verwendung von Python für praktische Aufgaben und Automatisierung konzentriert:
  Link: https://automatetheboringstuff.com/
• Python für alle – ein kostenloses Online-Lehrbuch von Dr. Charles Severance über Python-Grundlagen und Webentwicklung:
  – Link: https://www.py4e.com/
• Lernen Sie Python – vollständiger Python-Kurs zu Codecademy, der die Grundlagen, Datenmanipulation und Web-Scraping abdeckt:
  Link: https://www.codecademy.com/learn/learn-python-3
• Corey Schafers Python-Tutorials – YouTube-Tutorial-Serie von 9 Videos zu verschiedenen Python-Themen:
  Link: https://www.youtube.com/playlist?list=PL-osiE80TeTt2d9bfVyTiXJA-UTHn6WwU
• PythonProgramming.net – bietet kostenlose Python-Tutorials, Beispiele und Anleitungen für verschiedene Fähigkeitsstufen:
  Link: https://pythonprogramming.net/python-fundamental-tutorials/
• FreeCodeCamp – bietet eine Python-Tutorial-Serie mit Python-Grundlagen, Datenstrukturen und Algorithmen:
  Link: https://www.freecodecamp.org/learn/scientific-computing-with-python/

Dies sind nur einige der kostenlosen Ressourcen, die eine Vielzahl von Lernmaterialien bieten, einschließlich Dokumentation, interaktiver Kurse, Lehrbücher und Video-Tutorials. Sie sind großartige Ausgangspunkte für Anfänger und wertvolle Referenzen für fortgeschrittenere Lernende. Genießen Sie Ihre Python-Lernreise!

Hier ist eine Liste von 7 kostenlosen Python-integrierten Entwicklungsumgebungen (IDEs):

1. PyCharm Community Edition:

• Pros:
  • Robuste Funktionen und Werkzeuge für die Python-Entwicklung.
  • Intelligente Code-Komplettierung und Analyse.
  • Hervorragende Unterstützung für Web-Entwicklungs-Frameworks wie Django und Flask.
  • Integrierte Versionskontrolle und Datenbankwerkzeuge.
• Cons:
  • Größerer Speicherbedarf im Vergleich zu leichten IDEs.

2. Anaconda (Conda) (enthält Spyder):

• Pros:
  • Umfassende Python-Distribution mit vorinstallierten wissenschaftlichen Bibliotheken.
  • Integriertes Jupyter-Notebook für die interaktive Datenanalyse.
  • Einfache Paketverwaltung mit conda.
  • Geeignet für wissenschaftliche Computing- und Datenwissenschaftsprojekte.
• Cons:
  • Spyder IDE fehlen möglicherweise die polierten und erweiterten Funktionen dedizierter Python-IDEs.
  • Begrenzte Unterstützung für die Webentwicklung im Vergleich zu spezialisierten weborientierten IDEs.

3. Visual Studio-Code (mit Python-Erweiterung):

• Pros:
  • Leichte und hochgradig anpassbare IDE.
  • Breite Palette von Erweiterungen und Integrationen.
  • Gute Unterstützung für Python mit der Python-Erweiterung.
  • Hervorragende Debugging-Funktionen.
• Cons:
  • Erfordert Erweiterungen für erweiterte Python-Funktionen.
  • Einige Python-spezifische Funktionen können im Vergleich zu dedizierten Python-IDEs weniger umfassend sein.

4. Jupyter Notebook (webbasierte IDE):

• Pros:
  • Interaktive und explorative Datenanalyseumgebung.
  • Unterstützt Visualisierungen, Dokumentation und Codeausführung.
  • Beliebt für Data Science und maschinelles Lernen-Workflows.
• Cons:
  • Nicht für die traditionelle Softwareentwicklung geeignet.
  • Begrenzte Code-Bearbeitungsfunktionen im Vergleich zu dedizierten IDEs.
  • Fehlende Versionskontrollintegration.

5. IDLE (Pythons integrierte Entwicklungs- und Lernumgebung):

• Pros:
  • Leichte und einfache IDE.
  • Kommt im Paket mit Python, sodass keine separate Installation erforderlich ist.
  • Einfach zu bedienen, für Anfänger geeignet.
• Cons:
  • Begrenzte Funktionen und Funktionalität im Vergleich zu fortschrittlicheren IDEs.
  • Es fehlen erweiterte Code-Bearbeitungs- und Debugging-Funktionen.
  • Nicht aktiv als andere IDEs entwickelt oder gewartet.

6. Thonny:

• Pros:
  • Lightweight IDE für Anfänger.
  • Einfache und intuitive Schnittstelle.
  • Integrierter Debugger und schrittweise
• Cons:
  • Begrenzte erweiterte Funktionen für erfahrene Entwickler.
  • Fehlendes umfangreiches Plug-in-Ökosystem.

7. Eric IDE:

• Pros:
  • Vollständig ausgestattete IDE mit umfassender Python-Unterstützung.
  • Integrierter Debugger und
  • Gut für größere Projekte.
• Cons:
  • Die Schnittstelle kann sich für Anfänger überwältigend anfühlen.
  • Kleinere Community und weniger Ressourcen im Vergleich zu anderen IDEs.