Guia de Laboratorio # 4: Introducción A Los Módulos y Gráficas en Python

UNIVERSIDAD DE EL SAVADOR ANALISIS NUMERICO - ANN115 M.SC. E ING.
WILBER CALDERON
FACULTAD DE INGENIERIA Y ARQUITECTURA
ESCUELA DE INGENIERIA ELECTRICA
Guia de laboratorio # 4
Introducción a los módulos y
gráficas en Python
Objetivo general
 Conocer lo módulos en Python y utilizarlos de forma correcta a la hora de realizar un programa.
Objetivos especificos
 Aprender a usar módulos en Python.
 Graficar en Python.
Introducción
En Python es usual trabajar con módulos, el equivalente de estos en otros lenguajes de programación
son las conocidas librerías, sin embargo, todos los elementos que conforman una librería quedan en
espacios d nombre global. Esto hace que al incluir varias el código crece y se corre el riesgo de
contaminar los espacios de nombre o colisionarlos, lo cual ocurre cuando un nombre se repite. El uso de
módulos de Python organiza de mejor manera los Códigos y evita los problemas anteriormente
mencionados.
GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

UNIVERSIDAD DE EL SAVADOR ANALISIS NUMERICO - ANN115 M.SC. E ING. WILBER CALDERON
Importación de módulos en Python

Las dos maneras más comunes para importar un módulo son:
import <nombre del modulo> y from <nombre del modulo> import <lista de nombres>
Veremos ahora las diferencias de cada una usando el módulo math, el cual es un módulo que Python
trae por defecto.
import math math.sin(math.pi)
Out[16]: 1.2246467991473532e-
16
math.ceil(math.e)
Out[17]: 3.0
math.sin(math.radians(90))
Out[18]: 1.0
Vemos que la primera línea no importa directamente las

funciones del módulo, sino que debemos utilizar el nombre math para acceder a ellas, tanto para las
funciones como para las constantes que el módulo tiene definidas. Es decir, que, en el espacio de
nombre actual, solo hemos metido el nombre del módulo, no de las funciones o variables del mismo.
Podemos darle un nombre local a una función para
usarla de manera más In [20]: m = math.sin cómoda:
In [21]: m(9)
Out[21]: 0.4121184852417566
In [26]: M = math In
[27]: M.sin(9)
Out[27]: 0.4121184852417566
La manera más recomendada de importar funciones determinadas ocupa la palabra clave from. Un
ejemplo es el siguiente:
In [1]: from math import sin, pi
In [2]: sin(9)
Out[2]: 0.4121184852417566
In [3]: sin(2*pi)
Out[3]: -2.4492935982947064e-16'

Si escribimos cos(9) nos dará el error NameError: name 'cos' is not defined porque al espacio

de nombre actual solo hemos invocado los nombres de las funciones sin() y de la constante pi. Si lo que
deseamos es usar todas las funciones y variables de un módulo, podemos traerlas todas de la siguiente
manera:
In [7]: from math import*
In [8]: sin(9)
Out[8]: 0.4121184852417566
In [9]: sin(2*pi)
Out[9]: -2.4492935982947064e-
16
In [10]: cos(9)
Out[10]: -0.9111302618846769
El problema de la forma anterior es si se importa más de un módulo que definan funciones o constantes
con el mismo nombre. Tomemos el caso de los módulos math y cmath, ambos con funciones con el
nombre sin():
In [17]: from cmath import* # Modulo para nuemros compl
ejos
In [18]: from math import* # Modulo para numeros reales
In [19]: c = 1+1j # Numero complejo
In [20]: degrees(phase(c)) # Angulo de c en grados
Out[20]: 45.0
In [21]: sin(abs(c)) # Seno de la magnitud de c (numero
real)
Out[21]: 0.9877659459927356
In [22]: sin(c) # Seno de un numero complejo

La última línea nos dará el error TypeError: can't convert complex to float. ¿Qué sucedió? Se

importaron ambos módulos. Prueba de ello es que las funciones degrees() y phase(), cada una particular
del módulo math y cmath, respectivamente, funcionaron. Entonces, ¿por qué da error la llamada de la
función sin()? La razón es que Python reconoce con el nombre sin la última función importada con ese
nombre, es decir, la de math.
En este sentido, con solo invertir el orden con los que se importan los módulos, el código debería
funcionar. Por supuesto, esta no es la manera más adecuada de dar solución al problema. La solución
será el uso de la palabra clave as.
El siguiente ejemplo hace uso de ella:
In [26]: import math as M # Modulo para numeros reales
In [27]: import cmath as CM # Modulo para numeros complejos
In [28]: c = 1+1j # Numero complejo
In [29]: M.degrees(CM.phase(c)) # Angulo de c en grados
Out[29]: 45.0
In [30]: M.sin(abs(c)) # Seno de la magnitud de c (numero real)
Out[30]: 0.9877659459927356
In [31]: CM.sin(c) # Seno de un numero complejo
Out[31]: (1.2984575814159773+0.6349639147847361j
Por
último, se
presenta un ejemplo de uso de la función dir(), la cual cuando se llama sin argumentos regresa una lista
con los nombres actuales y cuando se llama con una argumento, regresa los atributos del objeto al que
pertenece el argumento.
In [41]: import cmath as CM
In [42]: dir(CM)
Out[42]: ['__doc__', '__name__', '__package__', 'acos', 'acosh',
'asin', 'asinh', 'atan', 'atanh', 'cos', 'cosh', 'e',
'exp', 'isinf', 'isnan', 'log', 'log10', 'phase', 'pi',
'polar', 'rect', 'sin', 'sinh', 'sqrt', 'tan', 'tanh']

Módulos NumPy y Matplotlib
Los módulos Numpy y Matplotlib se especializan en métodos útiles para ingenieros y científicos,
implementados muchos métodos que facilitan el análisis numérico. En particular, Numpy se especializa
en el manejo arreglos de N dimensiones mientras que Matplotlib contiene métodos eficientes para la
presentación gráfica de resultados.
Con NumPy lo que obtenemos es la facilidad de aplicar funciones a un arreglo de números, cosa que no
podíamos hacer en Python puro.
Por ejemplo, la siguiente línea:
In [48]: X = range(-pi, pi, 0.001)
No correrá, primero porque el nombre pi no está definido y segundo porque la función range() solo
admite enteros.
Otro ejemplo es:
In [51]: from math import sin
In [52]: x = [0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]
In [53]: y = sin(x)
Nos
dará
error porque la función sin() no está hecha para ser evaluada en elementos de un vector.
Sin embargo, si utilizamos el módulo NumPy:
In [56]: import numpy as np # Se importa el modulo NumPy
In [57]: x = np.arange(-np.pi, np.pi, 0.001) # Se crea un vector de datos
In [58]: y = np.sin(x) # Se evalua el seno elemento a elemento

Las ultimas líneas corren sin ningún problema y se parecen a los códigos hechos en octave pues las
variables x y y tienen ahora los datos suficientes para gratificarlos: uno en el eje horizontal y el otro en el
vertical. Lamentablemente, NumPy no tiene los métodos para hacer esto. Es aquí donde nos auxiliamos
del módulo Matplotlib:
In [62]: import matplotlib.pyplot as plt
In [63]: x = np.arange(-np.pi, np.pi, 0.001)
In [64]: y = np.sin(x)
In [65]: plt.plot(x, y)
Out[65]: [<matplotlib.lines.Line2D at 0x756f410>]
In [66]: plt.show()
Nos debería mostrar una imagen parecida a la siguiente:
El módulo matplotlib.pyplot es una colección de métodos que funcionan de manera semejante a los de
MATLAB (en nuestro caso, parecidos a los de Octave).
Se presentan a continuación los ejemplos de la guía 1 hechos en Python. Se supondrá que los módulos
NumPy y matplotlib.pyplot ya han sido importados.
Gráfica de una línea recta:
x = np.arange(-10, 10, 1)
y = 3*x + 1
plt.plot(x, y) # Grafica de una linea recta
plt.title("Grafico Lineal")
plt.grid()
plt.show()
plt.close()
Gratifica de una
senoidal:
x = np.arange(0, 2*np.pi, 0.001)
plt.plot(x, np.sin(x)) # Grafica de una senoide
plt.title("Grafico de una función seno")
plt.grid()
plt.show()
plt.close()
Gráfica de una exponencial:
x = np.arange(-10, 10, 0.001)
y = 10*np.exp(3*x)
plt.plot(x, y) # Grafica de una exponencial
plt.title("Grafico de una exponencial")
plt.grid()
plt.show()
plt.close()

Gráfica de una potencial:
x = np.arange(0, 100, 1)
y = x**2
plt.plot(x, y) # Grafica de una potencial

plt.grid()
plt.show()
plt.close()

También se puede dar un mejor formato a los grafico cambiando estilos de línea, marcadores y colores.
Estilos de Líneas +, Cruz Colores (color=):
(linestyle=) ., Punto b, blue
-, Línea Sólida o,Círculo g, green
--, Línea discontinua *, Estrellas r, red
:, Línea punteada p, Pentágonos c, cyan
-., Línea punteada s, cuadrados m, magenta
discontinua. x, Tachados y, yellow
None, Ninguna línea D, Diamantes k, black
h, Hexágonos y w, white
^, Triángulos
Marcadores (marker=):
 Ejemplo:
Dos gráficos sobre el mismo eje:
x = np.arange(0, 10, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x, y1, "r-s", label="Seno")
plt.plot(x, y2, "g:p", label="Coseno")
plt.grid(True)
plt.xlabel("eje x")
plt.ylabel("eje y")
plt.title("Graficas seno y coseno")
plt.legend()
plt.grids()
plt.show()
plt.close()

import numpy as np
Varias graficas en una
import matplotlib.pyplot as plt
sola imagen
x = np.arange(0, 10, 0.001
y1 = x**2
y2 = np.exp(x)
plt.subplot(2, 2, 1)
plt.plot(x, y1, 'r-.',label="y=x^2")
plt.tight_layout()
plt.title("Funcion potencia")
plt.legend()
plt.xlabel("eje x")
plt.ylabel("eje y")
plt.grid(True)
y2=y2*1e2
plt.plot(x, y2,'g-',label="e^x")
plt.tight_layout()
plt.title("Funcion exponencial")
plt.legend()
plt.xlabel("eje x")
plt.ylabel("eje y")
plt.grid(True)
plt.plot(x, np.sin(x) + 2*np.cos(x),'k:',label="y=sin(x)+2cos(x)")
plt.tight_layout()
plt.title("Funcion senoidal")
plt.legend()
plt.xlabel("eje x")
plt.ylabel("eje y")
plt.grid(True)
Algunas otras funciones con las cuales cuenta matplotlib:
Histogramas:
import numpy as np
#Definir los datos
a = [22,55,62,45,21,22,34,42,42,4,2,100,95,85,55,55,60,70,65,55,71,45,80,75,65,
54,44,43,42,48]
bins = [0,20,40,60,80,100]
#Configurar las características del gráfico
plt.hist(a, bins,edgecolor='black', color = 'blue')
#Definir título y nombres de ejes
plt.title('Histograma')
plt.ylabel('Eje Y')
plt.xlabel('Eje X')
#Mostrar figura
plt.grid(True)
plt.show()
plt.close()

Gráfico circular:
#Definir los datos
ls=['Mango', 'Fresa' , 'Naranja' , 'Sandia' , 'Uva']
sizes= [40,15,20,10,15]
colores = ['green','red','orange','yellow','purple']
explode=(0.6,0,0,0,0)
#Configurar las características del gráfico
plt.pie(sizes, labels=ls, colors=colores, startangle=90, shado
w=True, autopct='%1.1f%%')
axis('equal')
#Definir título
plt.title('Gráfico circular')
#Mostrar figura
plt.show()
plt.close()

figuras en 3D:
from matplotlib import cm
from matplotlib.ticker import LinearLocator, FormatStrFormatter
import numpy as np
#definimos la figura
fig = plt.figure()
ax = fig.gca(projection='3d')
# datos de la grid.
X = np.arange(-5, 5, 0.25)
Y = np.arange(-5,5, 0.25)
X, Y = np.meshgrid(X, Y)
Z = (4(((X**2)/8)+((Y**2)/16)))**0.5
# plot de figura.
surf = ax.plot_surface(X, Y, Z, cmap=cm.coolwarm,
linewidth=0, antialiased=False)
# personalizando eje Z
ax.set_zlim(-10, 10)
ax.zaxis.set_major_locator(LinearLocator(10))
ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f'))
# Añadir una barra de color que asigne valores a los colores
fig.colorbar(surf, shrink=0.5, aspect=5)
#Definir título y nombres de ejes
plt.title('Grafico 3D')
plt.ylabel('Eje Y')
plt.xlabel('Eje X')
plt.show()
plt.close()

Introducción a las interfaces graficas en Python

Para poder crear interfaces graficas trabajaremos con el módulo Tkinter el cual importaremos con los
métodos utilizados anteriormente
Con los siguientes comandos podremos definir una ventana
from Tkinter import*
v0=Tk() #Con esto definimos la ventana principal
v0.title(“mi primera ventana”) #Coloca un título a la ventana
v0.config(bg= “cyan”) #Definimos el color del fondo
v0.geometry(“500x500”) #Ajustamos el tamaño de la ventana
v0.resizable(0,0) #Evita la modificación de tamaño
v0.mainloop() #Finalización

Para definir botones y labels

v1=Tk() #Con esto definimos la ventana principal
v1.title("Label y botones") #Titulo de la ventana
lb1=Label(v1, text="boton") #Definicion de un label
lb1.grid(row=1,column=1) #Ubicamos label en la ventana
btn1=Button(v1,text="help") #Definicion de un boton
btn1.grid(row=2,column=1) #Ubicamos botón en la ventana
v1.mainloop()
Los elementos como etiquetas(labels), botones y cajas de texto se posicionan en la ventana a traves de
la funcion grid() en una distribución matricial indicando la posicion fila(row) y columna(column).
En el caso de las cajas de texto es necesario definir el tipo de variable con el que van a trabajar porque
luego el programa hará uso de esos datos y deben de ser acordes a las operaciones, siendo aceptables
IntVar(), StringVar(), BooleanVar(), DoubleVar(). Usando para modificar nombre.set() y solicitar el dato
con nombre.get().

v2=Tk()
v2.title("Usando Entry")
string=StringVar()
string1=StringVar()
Modificar los parámetro de un Label, boton y entry

lb1=Label(v2, text="Usuario:")
Selb1.grid(row=1,column=1)
puede modificar los colores de estos objetos ya sea poniendo el código del color en hexadecimal o
caja=Entry(v2,textvariable=string)
bien poniendo el nombre del color en ingles en los parámetros background(bg) y foreground(fg) que
caja.grid(row=1,column=2)
corresponden al color de fondo y del texto respectivamente
B1=Button(v2,text="Salir", command=v2.destroy)
 Btn1=Button(v0,text=”exit”,bg= “00FFFF”, fg= “black”)
B1.grid(row=2,column=2)
def capturar(string,stringvar):
El parametron relief se encarga de la apariencia del borde del objeto pudiendo este tener los siguientes
stringvar.set(string)
valores: SUNKEN,RAISED,GROOVE,RIDGE y FLAT siendo es ultimo el utilizado por defecto
lb2=Label(v2, text="Usuario:")
lb2.grid(row=3,column=1)
lb3=Label(v2, textvar=string1)
Cursor nos da la posibilidad de indicar que cursor queremos que se muestre sobre cierto objeto
lb3.grid(row=3,column=2)
pudiendo ser estos: x_cursor, arrow, based_arrow_down, based_arrow_up, boat, bogosity,
B2=Button(v2,text="Escribir",command=lambda:capturar(string.get(),string1))
bottom_side, box_spiral, center_ptr, circle.
Ventanas
v2.mainloop()
Tk() es una ventana principal, pero podemos declarar más variables:
Toplevel: crea una nueva ventana
Frame: Coloca los paneles para ordenar los elementos
Canvas: Para dibujar y graficar funciones
Button: Para colocar un botón
Label: Para colocar una etiqueta
Message: Para colocar un texto
Entry: Para colocar una entrada de texto de una linea
Text: Para colocar una entrada de texto de varias líneas
Listbox: Coloca una lista con elementos clickeables

Menu: Coloca un menú que puede contener cascadas y elementos clickeables

v0=Tk()
v1=Toplevel(v0)
v0.title("Padre")
v1.title("Hijo")
v0.config(bg="lime")
v0.geometry("250x250")
def mostrar(ven):
ven.deiconify()
def ocultar(ven):
ven.withdraw()
B1=Button(v0,text="Abrir",command=lambda:mostrar(v1))
B2=Button(v0,text="Ocultar",command=lambda:ocultar(v1))
B3=Button(v0,text="Salir",command=v0.destroy)
v1.withdraw()
v0.mainloop()

Asignaciones de laboratorio.
 Desarrollar la guía de laboratorio.
 Haga una funcion que haga la grafica de y=A*B^(C*x) donde A, B y C son valores que pasaran a
la funcion. Asi como también los limites de la variable xy el numero de puntos a graficar, donde
B>0.
 Utilizando la asignación de laboratorio de la guía anterior desarrollar una interfaz grafica que
calcule el mcm y el mcd de 2 numeros
Asignaciones ex aula
 Demuestre el proceso de instalación de los módulos usados en la guía
5
 Teniendo la siguiente función compleja H= haga las graficas en dos ejes separados
1+ jx
(usando la función subplot). De su magnitud en decibelios (20Log(|H|)) y de su fase en grados.
Usados ejes semilogarítmicos
 Repita la asignación de laboratorio pero que el problema sea presentado a través de una
interfaz grafica
Bibliografía
https://matplotlib.org/index.html
https://matplotlib.org/3.2.1/api/pyplot_summary.html
https://www.youtube.com/watch?v=-H_02bZsvKw

Guia de Laboratorio # 4: Introducción A Los Módulos y Gráficas en Python

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guia de Laboratorio # 4: Introducción A Los Módulos y Gráficas en Python

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE EL SAVADOR ANALISIS NUMERICO - ANN115 M.SC. E ING.

 Conocer lo módulos en Python y utilizarlos de forma correcta a la hora de realizar un programa.

 Aprender a usar módulos en Python.

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

Importación de módulos en Python

Vemos que la primera línea no importa directamente las

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

Si escribimos cos(9) nos dará el error NameError: name 'cos' is not defined porque al espacio

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

La última línea nos dará el error TypeError: can't convert complex to float. ¿Qué sucedió? Se

El siguiente ejemplo hace uso de ella:

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

Módulos NumPy y Matplotlib

Por ejemplo, la siguiente línea:

Otro ejemplo es:

Sin embargo, si utilizamos el módulo NumPy:

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

Nos debería mostrar una imagen parecida a la siguiente:

Gráfica de una línea recta:

Gráfica de una exponencial:

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

Gráfica de una potencial:

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

Dos gráficos sobre el mismo eje:

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

Algunas otras funciones con las cuales cuenta matplotlib:

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

Introducción a las interfaces graficas en Python

Con los siguientes comandos podremos definir una ventana

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

Para definir botones y labels

from Tkinter import*

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

from Tkinter import*

Modificar los parámetro de un Label, boton y entry

Toplevel: crea una nueva ventana

Frame: Coloca los paneles para ordenar los elementos

Canvas: Para dibujar y graficar funciones

Button: Para colocar un botón

Label: Para colocar una etiqueta

Message: Para colocar un texto

Entry: Para colocar una entrada de texto de una linea

Text: Para colocar una entrada de texto de varias líneas

Listbox: Coloca una lista con elementos clickeables

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

Menu: Coloca un menú que puede contener cascadas y elementos clickeables

from Tkinter import*

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

GUIA DE LABORATORIO 4: INTRODUCCIÓN A LOS MODULOS Y LAS GRAFICAS EN PYTHON.

También podría gustarte