Introducción a Python y gráficos¶

pylogo.png

Contenidos¶

  • Introducción a conceptos básicos de Python
  • Librerías a usar:
  • Tipos de gráficos
  • Dar formato a gráfico

Python¶

Python es un lenguaje de programación interpretado multiparadigma.

  • Creado a fines de los 80 por Guido von Rossum.
  • El nombre del lenguaje proviene de la afición de su creador por los humoristas británicos Monty Python.

guido.png

Características¶

  • Facilidad de escritura y lectura$^1$.
  • Compatibilidad en en múltiples sistemas operativos (portabilidad).
  • Extensibilidad.
  • Código abierto.

1: Cuando está bien escrito

In [1]:
# Acá irían ejemplos básicos

Tipos de datos en Python¶

In [2]:
# Strings 
"Instituto de Investigación y Desarrollo en Ingeniería de Procesos y Química Aplicada - IPQA"
# Números enteros
5
# Números flotantes
1.249
# Listas
[1, 2, 3, 4]
# Diccionarios
{
    "nombre": "Federico Benelli",
    "edad": 27,
    "cursos": ["Termodinámica y Comportamientos de Fases de Fluidos en Ingeniería",
               "Diseño de Software Científico"]
}
Out[2]:
{'nombre': 'Federico Benelli',
 'edad': 27,
 'cursos': ['Termodinámica y Comportamientos de Fases de Fluidos en Ingeniería',
  'Diseño de Software Científico']}

Operaciones¶

In [3]:
# Suma/Resta
1 + 2
# Multiplicación
2*2
# Potencia
2**2
Out[3]:
4

En todos los casos se respeta el orden de precedencia esperable de las operaciones matemáticas:

Paréntesis $\rightarrow$ Potencias $\rightarrow$ Productos $\rightarrow$ Sumas

Comparaciones lógicas¶

In [4]:
1 == 1    # Igualdad
2 != 1    # Desigualdad
1 < 2     # Menor a
2 > 1     # Mayor a
2 <= 1    # Menor o igual a
1 >= 1    # Mayor o igual a
Out[4]:
True

Cómo interperta Python estas operaciones?¶

In [5]:
# Hacer ejemplos simples interactivos de operaciones y comparaciones,
# y hablar de variables

Control de flujo de código¶

El flujo del código se controla mediante operadores condicionales

if, else y elif

Y mediante operadores iteradores

for, while

Operadores condicionales¶

Diagrama de Flujo

In [6]:
# Ejemplo de flujo condicional
porcentaje_tesis = 50

if porcentaje_tesis < 50:
    print('Falta bastante...')
    
elif porcentaje_tesis <= 75:
    print('Falta un cachito...')
    
elif porcentaje_tesis < 100:
    print('Ya casi ya casi!')
    
else:
    print('Se terminó!!')

Falta un cachito...

Operadores de iteración¶

Se pueden hacer flujos iterativos con los operadores:

In [7]:
# Ejemplos

Funciones¶

Para simplificar el código pueden definirse funciones, las cuales reciben un input (o no) y realizan operaciones.

Siempre devuelven un valor! De no especificarse devuelven un valor Nulo NoneType

Python posee por defecto funciones de utilidad

print()    # Imprime en pantalla el valor dado
abs()      # Valor absoluto
round()    # Redondeo de números flotantes
min()      # Valor mínimo de una lista
sorted()   # Ordena una lista
sum()      # Sumatoria de una lista
len()      # Largo de una lista
type()     # Tipo de variable
In [8]:
# Acá se muestra como funcionan las funciones de manera práctica

Definición de funciones¶

Además de las funciones predeterminadas de Python, se pueden definir todas las funciones que se deseen.

In [9]:
def cuadratica(x, a, b, c):
    """Calcula un polinómio cuadrático en el valor x dado
    args:
    x     (float): Valor de x donde calcular
    a,b,c (float): Coeficientes cuadráticos 
    
    returns:
    y     (float): Función cuadrática valuada en x"""
    
    y = a*x**2 + b*x + c
    return y
In [10]:
cuadratica(1, 1, 2, 4)
Out[10]:
7
In [11]:
X = []
Y = []
a, b, c = 2, 4, 6
for x in range(10):
    
    # Valuar función en x y asignar a variable `y`
    y = cuadratica(x, a, b, c)
    
    # Concatenar valor de x a lista de Xs
    X.append(x)
    
    # Idem y
    Y.append(y)
    
    if y > 100:
        print('El valor de y superó 100!')
        print('y=', y)
        break

print(X)
print(Y)

El valor de y superó 100!
y= 102
[0, 1, 2, 3, 4, 5, 6]
[6, 12, 22, 36, 54, 76, 102]

Librerías¶

Una de las características de Python es su extensibilidad por medio de librerías.

Las librerías son conjuntos de métodos, funciones, variables. Generadas para cumplir funciones particulares, en el ámbito científico destacan:

  • numpy: Cálculo vectorial.
  • scipy: Conjunto de librerías de uso científico, como estadística y cálculo matemático.
  • pandas: Interpretación de datos.
  • matplotlib: Generación de gráficos

Evolución de desarrollo de librerías¶

pypipm

Generación de gráficos en Python¶

La variedad de gráficos que se pueden realizar en Python es superlativa.

Solo basta con entrar a la galería de ejemplos de matplotlib para darse una idea de lo extenso que es. Y es una librería sola!

Además de matplotlib existen otras librerías que se utilizan para generar gráficos, como:

  • plotly
  • seaborn
  • bokeh

Aquí se van a ver conceptos básicos de matplotlib

Importación de librerías¶

En primera instancia, se importan librerías de interés.

In [12]:
import matplotlib.pyplot as plt   # Gráficos
import pandas as pd               # Tratamiento de datos
In [13]:
# Todo el código dentro de la presentación es interactivo 
# la idea es mostrar primero el concepto básico y de ahí ir incrementando el detalle:
#   cambiar colores, agregar leyendas, escalas, múltiples datos, etc.

Gráficos de línea¶

In [14]:
x = []
for i in range(10):
    x.append(i)

y = [xi**2 for xi in x] 
    
plt.plot(x,y)
plt.show()

Gráficos de dispersión¶

In [15]:
plt.scatter(x,y)
plt.show()

Barras¶

In [16]:
x = ['asd', '2', '3']
y = [5, 10, 90]

plt.bar(x,y)
plt.show()

Formato extra¶

In [17]:
x = []

for i in range(-100,100):
    x.append(i)

y = [xi**2 for xi in x] 

y0 = 0
x0 = 0

plt.rcParams['font.family'] = 'Trebuchet MS'
plt.rcParams['font.size'] = 12

fig = plt.figure(figsize=(5,5))

plt.plot(x,y, label = '$x^2$')
plt.title('Gráfico de $f(x) = x^2$')
plt.ylabel('$f(x)$')
plt.xlabel('$x$')
plt.xlim(-10,60)
plt.ylim(-50,4000)
plt.annotate('Mínimo global',
                 xy=(x0, y0),  xycoords='data',
                 xytext=(0.5, 0.5), textcoords='axes fraction',
                 color='orange',
                 arrowprops=dict(arrowstyle='->', color='black'),
                 horizontalalignment='left', verticalalignment='top',
            )

plt.grid(color='lightgray')

plt.legend()
plt.show()

Caso aplicado¶

Se realizaron extracciones con distintos solventes (orgánico/inorgánico) y medios (ácido/básico)

Se desea generar gráficos de caja con desvíos comparando las extracciones en distintas fases

In [18]:
# Importación de librerías
import pandas as pd  # Lectura de datos tabulados (almacenados en un archivo Excel)
import numpy as np   # Procesamiento de números
import matplotlib.pyplot as plt # Gráficos
import seaborn as sns # Complemento para gráficos
In [19]:
# Lectura de datos
df=pd.read_excel('ensayos.xlsx', index_col=0, engine='openpyxl')
df
Out[19]:
Repeticion Fase Masa Total (g) Cantidad AC (g) Rendimiento Pureza
Ensayo
Ensayo 1 1 Extracto --- 0.155571 --- ---
Ensayo 1 1 Fase Orgánica 0.104 0.009500 6.10654 9.13462
Ensayo 1 1 Fase Acuosa --- 0.001000 0.642794 ---
Ensayo 1 2 Extracto --- 0.167895 --- ---
Ensayo 1 2 Fase Orgánica 0.185 0.013000 7.74296 7.02703
Ensayo 1 2 Fase Acuosa --- 0.004000 2.38245 ---
Ensayo 2 1 Extracto --- 0.194233 --- ---
Ensayo 2 1 Insolubles en agua 0.132 0.011000 5.66332 8.33333
Ensayo 2 1 Insolubles en ácido 0.183 0.007186 3.6995 3.92657
Ensayo 2 1 Fase Orgánica 0.103 0.047000 24.1978 45.6311
Ensayo 2 1 Fase Acuosa --- 0.001500 0.77227 ---
Ensayo 2 2 Extracto 5.006 0.153684 --- ---
Ensayo 2 2 Insolubles en agua 0.199 0.021000 13.6644 10.5528
Ensayo 2 2 Insolubles en ácido 0.101 0.010299 6.70167 10.1974
Ensayo 2 2 Fase Orgánica 0.124 0.039000 25.3767 31.4516
Ensayo 2 2 Fase Acuosa --- 0.001200 0.780822 ---
Ensayo 3 1 Extracto --- 0.251000 --- ---
Ensayo 3 1 Fase Orgánica 0.367 0.131000 52.1912 35.6948
Ensayo 3 1 Fase Acuosa --- 0.008000 3.18725 ---
Ensayo 3 2 Extracto --- 0.274000 --- ---
Ensayo 3 2 Fase Orgánica 0.33 0.101000 36.8613 30.6061
Ensayo 3 2 Fase Acuosa --- 0.005000 1.82482 ---
Ensayo 4 1 Extracto --- 1.029000 --- ---
Ensayo 4 1 Fase Orgánica 1.348 0.774000 75.2187 57.4184
Ensayo 4 1 Fase Acuosa --- 0.020000 1.94363 NaN
Ensayo 4 2 Extracto --- 0.912000 --- ---
Ensayo 4 2 Fase Orgánica 1.175 0.472000 51.7544 44.0463
Ensayo 4 2 Fase Acuosa --- 0.020000 2.19298 ---
In [20]:
# Limpieza de datos
df = df.replace('---', np.nan)
df[['Masa Total (g)','Rendimiento','Pureza']] = df[['Masa Total (g)','Rendimiento','Pureza']].astype('float')
df
Out[20]:
Repeticion Fase Masa Total (g) Cantidad AC (g) Rendimiento Pureza
Ensayo
Ensayo 1 1 Extracto NaN 0.155571 NaN NaN
Ensayo 1 1 Fase Orgánica 0.104 0.009500 6.106544 9.134615
Ensayo 1 1 Fase Acuosa NaN 0.001000 0.642794 NaN
Ensayo 1 2 Extracto NaN 0.167895 NaN NaN
Ensayo 1 2 Fase Orgánica 0.185 0.013000 7.742958 7.027027
Ensayo 1 2 Fase Acuosa NaN 0.004000 2.382449 NaN
Ensayo 2 1 Extracto NaN 0.194233 NaN NaN
Ensayo 2 1 Insolubles en agua 0.132 0.011000 5.663316 8.333333
Ensayo 2 1 Insolubles en ácido 0.183 0.007186 3.699499 3.926573
Ensayo 2 1 Fase Orgánica 0.103 0.047000 24.197804 45.631068
Ensayo 2 1 Fase Acuosa NaN 0.001500 0.772270 NaN
Ensayo 2 2 Extracto 5.006 0.153684 NaN NaN
Ensayo 2 2 Insolubles en agua 0.199 0.021000 13.664384 10.552764
Ensayo 2 2 Insolubles en ácido 0.101 0.010299 6.701666 10.197427
Ensayo 2 2 Fase Orgánica 0.124 0.039000 25.376714 31.451613
Ensayo 2 2 Fase Acuosa NaN 0.001200 0.780822 NaN
Ensayo 3 1 Extracto NaN 0.251000 NaN NaN
Ensayo 3 1 Fase Orgánica 0.367 0.131000 52.191235 35.694823
Ensayo 3 1 Fase Acuosa NaN 0.008000 3.187251 NaN
Ensayo 3 2 Extracto NaN 0.274000 NaN NaN
Ensayo 3 2 Fase Orgánica 0.330 0.101000 36.861314 30.606061
Ensayo 3 2 Fase Acuosa NaN 0.005000 1.824818 NaN
Ensayo 4 1 Extracto NaN 1.029000 NaN NaN
Ensayo 4 1 Fase Orgánica 1.348 0.774000 75.218659 57.418398
Ensayo 4 1 Fase Acuosa NaN 0.020000 1.943635 NaN
Ensayo 4 2 Extracto NaN 0.912000 NaN NaN
Ensayo 4 2 Fase Orgánica 1.175 0.472000 51.754386 44.046286
Ensayo 4 2 Fase Acuosa NaN 0.020000 2.192982 NaN

Propiedades del gráfico¶

Se pueden definir propiedades estéticas como dimensiones de figura, tipo de fuente, etc

In [21]:
# Propiedades del gráfico
plt.rcParams['figure.figsize'] = [10, 5]

font = {'family' : 'IBM Plex Sans',
        'weight' : 'normal',
        'size'   : 15}

plt.rc('font', **font)
In [22]:
# Definición de DataFrame 'data' que solo contiene datos de interés
#  además, se le eliminan las filas que tengan "Extracto" como fase, ya que no interesan para graficar
data = df.reset_index()[['Ensayo','Fase','Rendimiento','Pureza']]
for i, row in data.iterrows():
    if row['Fase'] == 'Extracto':
        data.drop(i, axis=0, inplace=True)
data
Out[22]:
Ensayo Fase Rendimiento Pureza
1 Ensayo 1 Fase Orgánica 6.106544 9.134615
2 Ensayo 1 Fase Acuosa 0.642794 NaN
4 Ensayo 1 Fase Orgánica 7.742958 7.027027
5 Ensayo 1 Fase Acuosa 2.382449 NaN
7 Ensayo 2 Insolubles en agua 5.663316 8.333333
8 Ensayo 2 Insolubles en ácido 3.699499 3.926573
9 Ensayo 2 Fase Orgánica 24.197804 45.631068
10 Ensayo 2 Fase Acuosa 0.772270 NaN
12 Ensayo 2 Insolubles en agua 13.664384 10.552764
13 Ensayo 2 Insolubles en ácido 6.701666 10.197427
14 Ensayo 2 Fase Orgánica 25.376714 31.451613
15 Ensayo 2 Fase Acuosa 0.780822 NaN
17 Ensayo 3 Fase Orgánica 52.191235 35.694823
18 Ensayo 3 Fase Acuosa 3.187251 NaN
20 Ensayo 3 Fase Orgánica 36.861314 30.606061
21 Ensayo 3 Fase Acuosa 1.824818 NaN
23 Ensayo 4 Fase Orgánica 75.218659 57.418398
24 Ensayo 4 Fase Acuosa 1.943635 NaN
26 Ensayo 4 Fase Orgánica 51.754386 44.046286
27 Ensayo 4 Fase Acuosa 2.192982 NaN
In [23]:
# Gráfico de los rendimientos y pureza según prueba y fase, para los gráficos de pureza se descartan 
#   las filas de Fase Acuosa ya que no corresponden

fig = plt.figure()

def box_graph(df, key):
    sns.boxplot(x='Fase',y=key, data=data, hue='Ensayo')
    plt.ylabel('Rendimiento (%)')
    plt.xticks(rotation=15)
    plt.show()

box_graph(df,'Pureza')
In [24]:
# Redondeo los valores de cantidad total de AC
# Agrupo la data por Prueba y Fase, redondeo a tres decimales y exporto a un Excel

df['Cantidad AC (g)'] = np.round(df['Cantidad AC (g)'].astype('float'), 3)
group = df[['Cantidad AC (g)','Fase','Rendimiento','Pureza']].reset_index().groupby(['Ensayo','Fase'])
group = np.round(group.agg([np.mean,np.std]), decimals=2)
group = group.replace(np.nan, '---')
In [25]:
# Yapa: generar tabla de desviaciones

# Del nuevo DataFrame extraigo las columnas que quiero utilizar
columnas_de_interes = [i for (i,y) in group.columns.to_list()[::2]]

# Defino un nuevo Dataframe vacío, con las columnas definidas
#  como las columnas de interés
means = pd.DataFrame(columns = columnas_de_interes)

for column in columnas_de_interes:
    # Al nuevo DataFrame le asigna valores de 
    means[column] = group[(column, 'mean')].astype('str') + ' ± '  +  group[(column, 'std')].astype('str')
    
means
Out[25]:
Cantidad AC (g) Rendimiento Pureza
Ensayo Fase
Ensayo 1 Extracto 0.16 ± 0.01 --- ± --- --- ± ---
Fase Acuosa 0.0 ± 0.0 1.51 ± 1.23 --- ± ---
Fase Orgánica 0.01 ± 0.0 6.92 ± 1.16 8.08 ± 1.49
Ensayo 2 Extracto 0.17 ± 0.03 --- ± --- --- ± ---
Fase Acuosa 0.0 ± 0.0 0.78 ± 0.01 --- ± ---
Fase Orgánica 0.04 ± 0.01 24.79 ± 0.83 38.54 ± 10.03
Insolubles en agua 0.02 ± 0.01 9.66 ± 5.66 9.44 ± 1.57
Insolubles en ácido 0.01 ± 0.0 5.2 ± 2.12 7.06 ± 4.43
Ensayo 3 Extracto 0.26 ± 0.02 --- ± --- --- ± ---
Fase Acuosa 0.01 ± 0.0 2.51 ± 0.96 --- ± ---
Fase Orgánica 0.12 ± 0.02 44.53 ± 10.84 33.15 ± 3.6
Ensayo 4 Extracto 0.97 ± 0.08 --- ± --- --- ± ---
Fase Acuosa 0.02 ± 0.0 2.07 ± 0.18 --- ± ---
Fase Orgánica 0.62 ± 0.21 63.49 ± 16.59 50.73 ± 9.46
In [ ]: