Herramientas para laboratorio 1¶
Este es un paquete de Python para facilitar el análisis de datos en Laboratorio 1.
Se puede instalar con pip
:
pip install labo1
En Google Colab, añadir un signo de exclamación al principio del comando:
!pip install labo1
Cifras significativas¶
Para redondear números y mediciones a una cantidad de cifras significativas, podemos usar:
from labo1 import to_significant_figures
Redondear un número a n=2
cifras significativas:
to_significant_figures(0.00123456789, n=2)
'0.0012'
Redondear una medición y su incerteza a n=2
cifras significativas:
to_significant_figures(123.456789, 0.00123456789, n=2)
('123.4568', '0.0012')
Ajustes por cuadrados mínimos¶
Para hacer ajustes, podemos usar curve_fit
.
Para definir la función a ajustar,
tenemos que poner primero la variable independiente x
y luego los parámetros.
En el ejemplo debajo,
la función a ajustar es
$$ f(x) = a x + b $$
curve_fit
nos devuelve un objeto con el resultado del ajuste
con el cuál podemos realizar rápidamente un gráfico:
import numpy as np
from labo1 import curve_fit
x = np.array([1.0, 2.0, 3.0, 4.0, 5.0])
y = np.array([2.4, 5.3, 6.6, 9.6, 11.0])
def lineal(x, a, b):
return a * x + b
result = curve_fit(lineal, x, y, estimate_errors=True)
result.plot()
result
Result(a=2.15 ± 0.16, b=0.53 ± 0.52)
En las siguientes secciones,
hay más detalles sobre las funcionalidades de curve_fit
: