长话短说：我想在Python中将盖亚天文数据绘制到TESS图像上。这有可能吗？详细情况见下文。
我有一张64x64像素的TESS星图，上面有一颗带有Gaia ID 4687500098271761792的星。根据TESS天文台指南第8页，1个像素约为21角秒。使用Gaia Archive，在“顶部特征”下方点击“搜索”，并提交一个查询以查看1000角秒内的恒星，这大致是我们需要的半径。我用
请注意，确实很好我们使用了WCS投影。为了检查，让我们只是绘制
结果是：{{result}}。
我错过了哪些步骤，或者我做错了什么？
进一步发展 在回应另一个问题时，keflavich友好地建议使用
我有一张64x64像素的TESS星图，上面有一颗带有Gaia ID 4687500098271761792的星。根据TESS天文台指南第8页，1个像素约为21角秒。使用Gaia Archive，在“顶部特征”下方点击“搜索”，并提交一个查询以查看1000角秒内的恒星，这大致是我们需要的半径。我用
Gaia DR2 4687500098271761792作为搜索名称，如下所示：
提交查询后，我会得到一个包含500颗恒星的列表，其中包括RA和DEC坐标。选择CSV并点击下载结果，我将获得围绕着4687500098271761792的恒星列表。这个结果文件也可以在这里找到。这是我们想要使用的Gaia输入。
从TESS中，我们有4687500098271761792_med.fits，一张图像文件。我们使用以下命令进行绘制：
from astropy.io import fits
from astropy.wcs import WCS
import matplotlib.pyplot as plt
hdul = fits.open("4687500098271761792_med.fits")[0]
wcs = WCS(hdul.header)
fig = plt.figure(figsize=(12,12))
fig.add_subplot(111, projection=wcs)
plt.imshow(hdul.data)
并获得一张漂亮的图片：
请注意，确实很好我们使用了WCS投影。为了检查，让我们只是绘制
hdul.data中的数据，而不关心投影：plt.imshow(hdul.data)
结果：
DEC和RA值分别约为-72°和16°，这很好，因为Gaia目录给出了大约具有这些坐标的4687500098271761792附近的星星。因此，投影似乎还可以。现在让我们尝试在imshow()图上绘制Gaia星星。我们从先前下载的CSV文件中读取并提取对象的RA和DEC值：import pandas as pd
df=pd.read_csv("4687500098271761792_within_1000arcsec.csv")
ralist=df['ra'].tolist()
declist=df['dec'].tolist()
需要检查的图表：
plt.scatter(ralist,declist,marker='+')
形状不是预期的圆形，这可能是未来麻烦的指标。
让我们尝试将这些RA和DEC值转换为WCS，并以此方式绘制它们：
for index, each in enumerate(ralist):
ra, dec = wcs.all_world2pix([each], [declist[index]], 1)
plt.scatter(ra, dec, marker='+', c='k')
结果是：{{result}}。
all_world2pix来自这里。参数1仅设置原点位置。对all_world2pix的描述如下：
然而，我们得到的点分布形状并不理想。让我们将TESS和Gaia数据组合起来：在此处，原点是图像左上角的坐标。 在FITS和Fortran标准中，这是1。在Numpy和C标准中，这是0。
hdul = fits.open("4687500098271761792_med.fits")[0]
wcs = WCS(hdul.header)
fig = plt.figure(figsize=(12,12))
fig.add_subplot(111, projection=wcs)
plt.imshow(hdul.data)
for index, each in enumerate(ralist):
ra, dec = wcs.all_world2pix([each], [declist[index]], 1)
plt.scatter(ra, dec, marker='+', c='k')
我们得到：
imshow()图片上有一个基础图像，并且标记应该在TESS图像上的星星位置。我使用的Jupyter笔记本可以在这里找到。我错过了哪些步骤，或者我做错了什么？
进一步发展 在回应另一个问题时，keflavich友好地建议使用
transform参数进行世界坐标绘图。尝试了一些示例点（下图中弯曲的十字形）。还在不处理数据的情况下将Gaia数据绘制在图上，它们最终集中在一个非常狭窄的空间。对它们应用了transform方法，获得了一个看似非常相似的结果。代码（也可在这里找到）：import pandas as pd
df=pd.read_csv("4687500098271761792_within_1000arcsec.csv")
ralist=df['ra'].tolist()
declist=df['dec'].tolist()
from astropy.io import fits
from astropy.wcs import WCS
import matplotlib.pyplot as plt
hdul = fits.open("4687500098271761792_med.fits")[0]
wcs = WCS(hdul.header)
fig = plt.figure(figsize=(12,12))
fig.add_subplot(111, projection=wcs)
plt.imshow(hdul.data)
ax = fig.gca()
ax.scatter([16], [-72], transform=ax.get_transform('world'))
ax.scatter([16], [-72.2], transform=ax.get_transform('world'))
ax.scatter([16], [-72.4], transform=ax.get_transform('world'))
ax.scatter([16], [-72.6], transform=ax.get_transform('world'))
ax.scatter([16], [-72.8], transform=ax.get_transform('world'))
ax.scatter([16], [-73], transform=ax.get_transform('world'))
ax.scatter([15], [-72.5], transform=ax.get_transform('world'))
ax.scatter([15.4], [-72.5], transform=ax.get_transform('world'))
ax.scatter([15.8], [-72.5], transform=ax.get_transform('world'))
ax.scatter([16.2], [-72.5], transform=ax.get_transform('world'))
ax.scatter([16.6], [-72.5], transform=ax.get_transform('world'))
ax.scatter([17], [-72.5], transform=ax.get_transform('world'))
for index, each in enumerate(ralist):
ax.scatter([each], [declist[index]], transform=ax.get_transform('world'),c='k',marker='+')
for index, each in enumerate(ralist):
ax.scatter([each], [declist[index]],c='b',marker='+')
并生成相应的图表：
这种弯曲的十字形是预料之中的，因为TESS与恒定的纬度和经度线不对齐（即十字架的臂不必与TESS图像的边平行，用imshow()绘制）。现在让我们尝试绘制恒定的RA和DEC线（或者说，恒定的纬度和经度线），以更好地理解为什么来自Gaia的数据点错位。通过添加几行代码扩展上面的代码：
ax.coords.grid(True, color='green', ls='solid')
overlay = ax.get_coords_overlay('icrs')
overlay.grid(color='red', ls='dotted')
结果令人鼓舞：
（请在此处查看笔记本here。）
