Vous êtes sur la page 1sur 5

Análisis de datos en python (ficheros)

21042014

Mediante un mini tutorial intentaré explicar como leer datos numéricos desde un
archivos “.txt” y convertirlos a “float” para trabajarlos mediante el uso de listas.

Contexto:

Al trabajar en mi proyecto de tesis sobre análisis de cargas cíclicas mediante el


uso de una máquina y un sistema asociado para medir presiones a través de un
sensor, me topé con las disyuntiva de buscar una manera de trabajar con la
enorme cantidad de datos que eran entregados por dicho sensor(del orden de 2 a
10 millones de datos). Lo primero que vino a mi mente fue excel, sin embargo me
di cuenta que tenía una enorme cantidad descripts realizados en python que me
permitían obtener la información que realmente requería para mi estudio.
Finalmente terminé transformando los scripts que necesitaba a funciones y lo
único que me separaba de mi objetivo era el leer, transformar y analizar la
información que venía en un archivo de bloc de notas. Después de buscar y leer
mucho terminé encontrando (mediante prueba y error) una solución mas menos
simple.

Solución:

1 # direccion del archivo


2 entrada = open("C:\Users\pattop\Desktop\ensayo.txt")
3
4 # Lectura del archivo
c = entrada.read()
5
6 # division de datos
7 d = c.split()
8
9 # lista vacia para guardar los datos
10 datos = []
11
# transforma los datos en float y se pueden trabajar
12 for i in d:
13 datos.append(float(i))
14
15

De esta manera los datos quedarán en la lista homónima y con las propiedades
“float” para trabajarlas mediante cualquier función, en mi caso graficar mediante
matplotlib y obtener información estadística. Cualquier consulta intentaré ayudar,
aunque no es mi especialidad.

Herramientas: Lenguaje python, ninja IDE.

Comentarios : Leave a Comment »

Etiquetas: lenguajes, Programas, python


Categorías : Sin categoría

La opción gratuita a AutoCAD


3092013

Para quienes buscan una opción gratuita de un software de CAD profesional con
una interfaz que nos recuerde al popularizado AutoCAD tenemos gracias la
reconocida firma francesa dassault systemes (Solidwork, Catia, etc.) a DraftSight.
Este software posee las mismas características que posee AutoCAD (sin sus
herramientas mas avanzadas, principalmente 3D) con una interfaz igualmente
amigable y con una mejor performance para computadores de baja capacidad de
procesamieno (lo que quizá quería conseguir AutoDesk con sus versiones LT)
junto con su bajo peso y facilidad de instalación.

Introducción a DraftSight

Para descargar se puede ir a la página donde se encuentran las instrucciones.

http://www.3ds.com/es/productos-y-servicios/draftsight/

También para los que desean interiorizarse mas, el software cuenta con un canal
de youtube donde existe una serie de tutoriales.

http://www.youtube.com/user/DraftSight

Comentarios : Leave a Comment »

Etiquetas: CAD, DraftSight, Programas, Tecnología


Categorías : Sin categoría

Granulometría en Python
2032013
Un pequeño script desarrollado en el lenguaje Python para establecer la
clasificación granulométrica de una muestra de suelos. Este método consiste
principalmente en pasar las partículas de suelo por una serie de tamices que
retienen un cierto volumen de la muestra según su diamatro. A partir de los
resultados se obtiene un representación gráfica que ayuda en el proceso de
clasificación.

Acá dejo el archivo para los que esten comenzando a programar en Python(es
necesario cambiar la extensión a .py o copiar el código en el IDE). granulometria.

Código para el gráfico logarítmico en python(matplotlib).

1
2 from matplotlib import pyplot
3
4 col1 = [PA8, PA7, PA6, PA5, PA4, PA3, PA2, PA1]
col2 = [A8, A7, A6, A5, A4, A3, A2, A1]
5
6
pyplot.plot(col2, col1, color='blue', lw=2)
7
8 # escala logaritmica
9 pyplot.xscale('log')
10
11 # sentencia que invierte el eje x
12 pyplot.gca().invert_xaxis()
13
# grilla log en eje x
14 pyplot.grid(True, which="minor", linestyle='-')
15
16 # grilla normal en eje y
17 pyplot.grid(True, linestyle='-')
18
19 pyplot.show()
20
Fortran es un lenguaje informático desarrollado en 1957 cuyo nombre viene del acrónimo de la palabras
en inglés Formula Translation. Fue el primer lenguaje de alto nivel de propósito general desarrollado
originalmente por IBM para aplicaciones científicas y de ingeniería. Entre muchas de sus aplicaciones se
cuenta la predicción numérica del tiempo, análisis de elemento finito, dinámica de fluidos, física
computacional, química, etc.