Granulometría en Python

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
diámetro. A partir de los resultados se obtiene una representación
gráfica que ayuda en el proceso de clasificación.

Acá dejo el archivo para los que estén comenzando a programar en

Python (es necesario cambiar la extensión a .py o copiar el código en
el IDE). granulometría.

Código para el gráfico logarítmico en python(matplotlib).

MATLAB
El otrora conocido como todopoderoso matlab ya no lo es tan así, por
una serie de falencias que personas más especializadas en el tema
esgriman. Sin embargo, es el más efectivo y práctico lenguaje para
desarrollar script matemáticos y análisis de matrices que he ocupado,
por ende es el que más comúnmente utilizo. Es muy versátil en el
análisis numérico y existe mucha bibliografía del tema, posee muchas
funciones incluidas y es el lenguaje que aprendí con mayor rapidez
debido a su simplicidad. Lo recomendaría para iniciarse y después
cambiarse a Octave o Scilab llegando al ámbito laboral, ya que este si
son software libre y conservan muchas de las propiedades de Matlab.

Como confesión debo reconocer que dispongo de una versión ilegal

de Matlab, ya que si tuviera el dinero para comprar la licencia tendría
que ser dueño de algún centro de investigación o millonario excéntrico,
de otra manera dudo mucho que la pagaría.

Nota: En estricto rigor matlab no es un lenguaje como tal sino que es

un software que ofrece un IDE de lenguaje M.

PHYTON
Ya hace un buen tiempo está dando mucho que hablar, Python es un
lenguaje multiparadigma ya que soporta orientación a objetos,
programación imperativa y, en menor medida, programación funcional.
Es libre y de código abierto, viene preinstalado en muchas de las
distribuciones actuales de Linux, y también puede ser instalado en
Windows.

Opinión: Lo estoy usando hace algún tiempo ocupando el entorno de

desarrollo NINJA (apoyando las iniciativas de IDE´s sudamericanos) y
la verdad es que personalmente me agradó mucho, de hecho me hizo
dejar en stand by a MATLAB. Es muy sencillo de aprender y a la vez
subir de nivel en cuanto a sus opciones. Cuenta con muchas librerías,
funciones y en cuanto a textos si bien existen muchos, todavía
escasean los documentos en español (aunque recomiendo aprender
de literatura en inglés para ahorrarse problemas). En cuanto a su uso
para tópicos más matemáticos y científicos existen para Python
herramientas muy útiles como SciPy, que a su vez cuentan con
variadas clases como por ejemplo la clase array para trabajo con
vectores.
Para no llenar de links el post hice un pdf con todos los links
importantes con información de cada uno de estos lenguajes.