1. 查看CASA自带命令

在CASA里输入
os.environ.get('CASAPATH').split()[0]
返回一个文件夹地址，进入此文件夹，在shell窗口中输入
find . -name task_clean.py
find . -name clean.xml
返回的两个文件夹就是CASA自带命令所在的地方。

2. (1) 转换FITS文件为CASA文件（.im）

假设要转换的FITS文件是data.fits，在CASA里输入
default(importfits)
fitsimage='data.fits'
imagename='data.im'
go()

(2) 转换CASA文件（.im）为FITS文件

假设要转换的FITS文件是data.im，在CASA里输入

exportfits(imagename=’data.im’, fitsimage=’data.fits’, history=False)

3. 查看数据（.im文件）

假设数据文件是data.im,在CASA里输入
viewer('data.im')
或者
viewer(infile='data.im')


4. 画积分强度图

假设数据文件是data.im，在CASA里输入
default(immoments)

imagename='data.im'
moments=0
box='78, 104, 99, 128'        
chans='480~660'            
outfile='moments_basic'
go()

查看积分强度图可以在CASA里输入
viewer('moments_basic')

5. 画数据一阶矩图

假设数据文件是data.im，在CASA里输入
default(immoments)

imagename='data.im'
moments=1
box='78, 104, 99, 128'  # 这是赤经赤纬的范围RA1，Dec1, RA2, Dec2      
chans='480~660'         # 这是通道范围
outfile='moments_basic1'
go()

查看一阶矩图可以在CASA里输入
viewer('moments_basic1')

6. 删除数据

假设数据文件是todelete.im，在CASA里输入
rmtables('todelete.im')

7. 数据重采样

假设输入数据文件是data.im，输出数据文件名是out_data.im，模板数据文件（包含了坐标、投影等信息，用一般数据文件就行。举个例子，有两个数据文件1和2，坐标不同，希望能将数据文件1重采样使得坐标和投影与数据文件2相同，那么输入文件是1，模板文件是2。）是template.im，在CASA里输入

temp_dict = imregrid(imagename="template.im", template="get")
imregrid(imagename="data.im", output="out_data.im", template=temp_dict)

8. 拟合高斯成分

这里的拟合高斯成分和starlink里的GAUSCLUMPS的概念是不同的，这里只是对少量高斯成分进行拟合，高斯成分的数量是事先指定的。假设数据文件是data.im，在CASA里输入

default(imfit)
imagename = 'data.im'
estimates = "initial_estimates.txt"
logfile = "co_fit.log"
append = "True"
imfit()

其中initial_estimates.txt包含了高斯成分的初始值，一个包含两个高斯成分的例子是（参数包括’f’ (peak intensity), ’x’ (peak x position), ’y’ (peak y position),
’a’ (major axis), ’b’ (minor axis), ’p’ (position angle)，第二个高斯成分的f, x, p参数是固定的）：

120, 150, 110, 23.5arcsec, 18.9arcsec, 120deg
90, 60, 200, 46arcsec, 23arcsec, 140deg, fxp

9. （在傅里叶空间）合并分辨率不同的图像

假设高分辨率的数据文件是data_vla.im，低分辨率的数据文件是data_gbt.im，输出文件名是data_combined.im，在CASA中输入

default(feather)
imagename='data_combined.im'
highres='data_vla.im'
lowres='data_gbt.im'
sdfactor=1.0
go()

10. 将时间序列数据（列表文件）栅格化（griding）

假设列表文件为list.asap,输出文件为data.grid，在CASA中输入

default=(sdgrid)
infiles='list.asap'
gridfunction='GAUSS'
gwidth='3pixel'
outfile='data.grid'
go()

11. 运行CASA脚本

假设脚本为script.py，在CASA中输入
execfile('script.py')

12. 从时间序列成图

假设数据文件是coma.ms，这是我在CASA数据库里找到唯一可以凑合使用的时间序列数据（类似scantable）。按照CASA手册里到方法，成图操作如下

im.open('coma.ms')

im.defineimage(nx=1800, cellx='30arcsec');
im.setoptions(ftmachine='wproject',wprojplanes=512, padding=1.0)
im.make('main')

im.clean(algorithm='mfclark',model=['main'], niter=10000, image=['coma.image'])  
im.done()

13. 读入SDFITS文件并简单可视化

SDFITS必须有一列叫做EXPOSURE

file='xxx.fits'
scan=sd.scantable(file,average=True)
selection = sd.selector()
selection.set_ifs(0)
scan.set_selection(selection)
scan.set_doppler('RADIO')
scan.set_freqframe('LSRK')
scan.set_restfreqs([1420.405752e6])

sd.plotter.set_mode(stacking='p', panelling='t')
sd.plotter.plot(scan)