PALMTracer

class PALMTracer

Bases: object

Classe principale de PALM Tracer.

Attributs

PALMTracer.settings: Settings

Classe principale des paramètres PALMTracer.

PALMTracer.palm: Palm

Interface vers la DLL C++ Palm.

PALMTracer.df: dict[str, DataFrame]

Résultats des différents calculs.

PALMTracer.visualization: ndarray | None = None

Résultat de la visualisation.

PALMTracer.KEYS_TO_FILE: dict[str, str]

Alias entre les noms de fichiers et les clé dans le dictionnaire de dataframes.

PALMTracer.localizations

Getter du DataFrame de la localisation (filtrée si elle est non vide).

PALMTracer.beads

Getter du DataFrame des billes détectées.

PALMTracer.tracks

Getter du DataFrame du suivi (filtré s’il est non vide) et reconnecté s’il est non vide également.

PALMTracer.tracks_compute

Getter du trio de DataFrame des calculs sur trajectoires (filtrés si non vide).

PALMTracer.path

Dossier de sortie pour le fichier en cours de traitement.

PALMTracer.stack

Pile en cours de traitement.

PALMTracer.suffix

Suffixe des fichiers pour un traitement (timestamp au format YYYYMMDD_HHMMSS).

Méthodes

Initialization

PALMTracer.is_dll_valid() → bool

Vérifie la validité de la DLL utilisée par le plugin.

Returns:

True si la DLL est valide, False sinon.

Return type:

bool

PALMTracer.reset_result()

Vide entièrement les DataFrame de résultat dans df.

Getter / Setter

PALMTracer.get_localization_key() → str

Clé des localisations (filtrée si elle est non vide) et corrigé si elle est non vide également

Return type:

str

PALMTracer.get_tracks_key() → str

Clé des trajectoires (filtrée si elle est non vide) et reconnectée si elle est non vide également.

Return type:

str

PALMTracer.get_tracks_compute_key() → list[str]

Clé des calculs sur trajectoires (filtrés si non vide).

Return type:

list[str]

PALMTracer.get_status() → dict[str, str]

Retourne un dictionnaire décrivant le statut des tableaux actuellement chargés dans self._df pour les différentes catégories de données (Localisation, Trajectoires, MSD, Diffusion instantanée, Fit).

Cette méthode analyse chaque tableau pour savoir s’il correspond :

• à un tableau standard,

• à un tableau filtré,

• à un tableau reconnecté (pour les trajectoires),

• à un tableau corrigé (pour les localisations),

• ou à une absence de données.

Les statuts retournés sont des chaînes de caractères provenant de la constante globale FILE_STATUS.

Le dictionnaire retourné contient systématiquement les clés suivantes : "Localization", "Beads",``”Tracking”, ``"MSD", "Instant D", "Fit"

Returns:

Un dictionnaire {str: str} contenant le statut de chaque type de tableau.

Return type:

dict[str, str]

Process

PALMTracer.load(path: str = '')

Charge les précédents résultats du fichier courant.

Parameters:

path (str)

PALMTracer.process()

Lance le process de PALM selon les éléments en paramètres.

Filtering

PALMTracer.reset_filtered()

Vide entièrement les DataFrames filtrés dans df.

PALMTracer.update_filtered(last: bool = True)

Recalcul les filtres sur le dernier dataframe disponible pour chacun si last est sélectionné, sinon sur l’original.

Parameters:

last (bool) – Utilise les dernières version des dataframes si True, sinon les données brutes serotn utilisées.

PALMTracer.save_filtered()

Enregistre tous les fichiers filtrés s’ils ne sont pas vide.

PALMTracer.filter_localizations(datas: DataFrame) → DataFrame

Filtre un DataFrame de localisation.

Parameters:

datas (DataFrame) – DataFrame à filtrer

Returns:

DataFrame filtré.

Return type:

DataFrame

PALMTracer.filter_tracks(datas: DataFrame) → DataFrame

Filtre un DataFrame de trajectoires.

Parameters:

datas (DataFrame) – DataFrame à filtrer

Returns:

DataFrame filtré.

Return type:

DataFrame

PALMTracer.filter_tracks_compute(tracks: DataFrame, msd: DataFrame, instant_d: DataFrame, fit: DataFrame) → tuple[DataFrame, DataFrame, DataFrame, DataFrame]

Filtre un DataFrame de calcul sur les trajectoires.

Parameters:

• tracks (DataFrame) – DataFrame de trajectoires

• msd (DataFrame) – DataFrame de calcul des MSD

• instant_d (DataFrame) – DataFrame de calcul de la diffusion instantanée

• fit (DataFrame) – DataFrame de calcul de l’ajustement

Returns:

DataFrames filtrés.

Return type:

tuple[DataFrame, DataFrame, DataFrame, DataFrame]

Visualization

PALMTracer.add_color_to_tracks(datas: DataFrame, source: str) → DataFrame

Ajoute une couleur pour chaque point des trajectoires en fonction d’un critère agrégé au niveau Track.

Règles :

• Si source == “Track Number” : couleur = (Track-1) % MAX_UI_16 + 1

• Si source ∈ {“Length”, “Instant D”, “MSD”, “Total Intensity”} :

  • on utilise la table self.tracks_compute["Fit"] (1 ligne par Track) pour récupérer la métrique.

  • si Fit est vide, on déclenche le calcul puis on réessaie ; si toujours vide, fallback = “Track Number”.

  • si une seule piste valide ou si min==max, toutes les pistes prennent la couleur médiane MAX_UI_16//2.

  • sinon, étalonnage linéaire min→1, max→MAX_UI_16.

  • toute piste absente de Fit ou NaN sur la métrique retombe sur la couleur “Track Number”.

Parameters:

• datas (DataFrame) – DataFrame des points de trajectoires, doit contenir au minimum la colonne ‘Track’.

• source (str) – Critère de coloration (“Track Number”, “Length”, “Instant D”, “MSD”, “Total Intensity”).

Returns:

Copie de datas avec une colonne ‘Color’ de type UInt16.

Return type:

DataFrame