DHT11.py

http://panamahitek.com/libreria-dht-para-usar-sensor-de-humedad-y-temperatura-con-arduino/

Para la Tarea.

https://www.gestiondeoperaciones.net/control-estadistico-de-procesos/ejemplo-de-grafica-de-promedios-y-grafica-de-rangos-en-el-control-estadistico-de-procesos/

Graficar funciones con matplotlib

Cálculo simbólico con Sympy

Sympy permite hacer operaciones analíticas o con símbolos en lugar de con valores numéricos Al igual que en Python existen varios tipos de datos numéricos como enteros (int), decimales (float) o booleanos (bool:True, False, etc.), Sympy posee tres tipos de datos propios: Real, Rational e Integer, es decir, números reales, racionales y enteros. Estoquiere decir que Rational(1,2) representa 1/2, Rational(5,2) a 5/2, etc. en lugar de 0.5 o 2.5.

http://www.iac.es/sieinvens/python-course/source/sympy.html

https://recursospython.com/codigos-de-fuente/graficar-funciones-matplotlib/

from matplotlib import pyplot
# Función cuadrática.
def f1(x):
    return 2*(x**2) + 5*x - 2
# Función lineal.
def f2(x):
    return 4*x + 1
# Valores del eje X que toma el gráfico.
x = range(-10, 15)
# Graficar ambas funciones.
pyplot.plot(x, [f1(i) for i in x])
pyplot.plot(x, [f2(i) for i in x])
# Establecer el color de los ejes.
pyplot.axhline(0, color="black")
pyplot.axvline(0, color="black")
# Limitar los valores de los ejes.
pyplot.xlim(-10, 10)
pyplot.ylim(-10, 10)
# Guardar gráfico como imágen PNG.
pyplot.savefig("output.png")
# Mostrarlo.
pyplot.show()


http://webs.ucm.es/info/aocg/python/modulos_cientificos/matplotlib/index.html



https://www.youtube.com/watch?v=i8ruymr85Gg

Mejores promedios Agosto Diciembre 2018

SARABIA LANDEROS MARCO POLO
VAZQUEZ BARBA PAOLA DEL PILAR
MARTINEZ RUIZ JORGE ALEJANDRO
LEZAMA LEZAMA JESUS ERNESTO

De 7 a 8
https://docs.google.com/forms/d/121fqtI4fFJJV45KTGu8Cp2R0yU3JG7TsqkEU7wMwxuU/edit


de 12 a 13

https://docs.google.com/forms/d/e/1FAIpQLSfBIXoSqhS_iKyc6I818g9tA-8cjm57erJNQ5KsBJx5-v4MCw/viewform?vc=0&c=0&w=1

Lo de NumPY

import numpy as np

a = np.array([1, 2, 3])   # Create a rank 1 array
print(type(a))            # Prints "<class 'numpy.ndarray'>"
print(a.shape)            # Prints "(3,)"
print(a[0], a[1], a[2])   # Prints "1 2 3"
a[0] = 5                  # Change an element of the array
print(a)                  # Prints "[5, 2, 3]"

b = np.array([[1,2,3],[4,5,6]])    # Create a rank 2 array
print("forma")
print(b.shape)                     # Prints "(2, 3)"
print(b[0, 0], b[0, 1], b[1, 0])   # Prints "1 2 4"

print("Matriz")
a1 = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
print(a1)
# Two ways of accessing the data in the middle row of the array.
# Mixing integer indexing with slices yields an array of lower rank,
# while using only slices yields an array of the same rank as the
# original array:

row_r1 = a1[0, :]   # Rank 1 view of the second row of a
row_r2 = a1[1:2, :]  # Rank 2 view of the second row of a
print("renglon 0")

print(row_r1, row_r1.shape)  # Prints "[5 6 7 8] (4,)"
print("renglon 1")
print(row_r2, row_r2.shape)  # Prints "[[5 6 7 8]] (1, 4)"

# We can make the same distinction when accessing columns of an array:
col_r1 = a1[:, 0]
col_r2 = a1[:, 1:2]
print("columna 0")
print(col_r1, col_r1.shape)  # Prints "[ 2  6 10] (3,)"
print("columna 1")
print(col_r2, col_r2.shape)  # Prints "[[ 2]
                             #          [ 6]
                             #          [10]] (3, 1)"

Instrumentación 5

import numpy as np
m=int(input("Dame numero de muestra, filas") )
l=int(input("Dame numero de lectura, lecturas") )
li=[]
a=[]
lisp=[]
c=1
lit=[]
s=0
for i in range(m):
for j in range(l):
li.append(int(input("Muestra %d, lectura %d" % (i,j))))#esta


lit= [li[l*i : l*(i+1)] for i in range(m)]

a = np.array(lit)
print(a)

print("Maximo ",np.max(a))
print ("Minimo ",np.min(a))

print("cada item de la lista")
for i in range(m):
s=0
for j in range(l):
print("Listas ")
print(lit[i][j])
s=s+lit[i][j]
lit[i].append(s/l)

print()

print(lit)