Scribd
Cargar
121 vistas3 páginas

Taller Python 4

Este documento presenta dos talleres sobre el uso de Python. El primer taller instruye sobre cómo encontrar el mayor de tres números ingresados y explica la operación módulo. El segundo taller introduce la biblioteca Matplotlib para crear gráficos a partir de datos numéricos generados con NumPy, incluyendo gráficos de líneas, dispersión, barras y histogramas.

Cargado por

juan pablo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
121 vistas3 páginas

Taller Python 4

Este documento presenta dos talleres sobre el uso de Python. El primer taller instruye sobre cómo encontrar el mayor de tres números ingresados y explica la operación módulo. El segundo taller introduce la biblioteca Matplotlib para crear gráficos a partir de datos numéricos generados con NumPy, incluyendo gráficos de líneas, dispersión, barras y histogramas.

Cargado por

juan pablo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 3

Universidad Central

Introducción a Python
Profesor: Ph.D. Nicolás Avilán Vargas.
e-mail: [email protected]

Taller 4
Ejercicio 1
x=input(“Ingrese un número \n”)
y=input(“Ingrese un número \n”)
z=input(“Ingrese un número \n”)
x=float(x)
y=float(y)
z=float(z)
if (x > y and x > z):
print(x,“es el mayor!”)
else:
if (y > x and y > z):
print(y,“es el mayor!”)
else:
print(z,“es el mayor!”)
• Transcribir el código.
• Verifcar que el programa compila y encuentra el mayor de 3 números dados.
• Identificar que el programa tiene un error.
• Corregir el error.

Operación módulo %
El sı́mbolo de porcentaje % es usado en Python para calcular el módulo, el cual corresponde al
residuo de la división entera:
• 7%2 → El resultado es 1.
• 9%3 → El resultado es 0.
• 4%5 → El resultado es 4.

Ejercicio 2
Escriba un programa que lea un número que ingresa el usuario y responda si el número es primo
o no. Por ejemplo 7 es número primo y 15 no. Pistas: es útil usar la operación módulo %.
x=int(x) hace que la variable x sea un leı́da como un número entero.
Una librerı́a muy usada en Python es matplotlib.

1 Primeras gráficas
• import matplotlib.pyplot as plt
plt.plot([1,2,3,4,5],[3,5,8,9,2])

• plt.plot([1,2,3,4,5],[3,5,8,9,2],’bo’) → Muestra las parejas ordenadas como puntos azules.


Cambie el color de los puntos reemplazando ’bo’ por las siguientes opciones: ’ro’, ’go’,
’co’, ’ko’, ’mo’, ’wo’, ’yo’.

• import matplotlib.pyplot as plt


plt.plot? → Muestra información del uso de plt.plot.

• x=[1,2,3,4,5,6,7,8,9,10]
y=[1,4,9,16,25,24,23,22,21,20]
plt.plot(x,y) → Genera una gráfica con las parejas ordenadas (x, y).

• plt.plot(x,y,’- -’) → Se unen los puntos con una lı́nea discontinua.

• plt.plot(x, y, linewidth=10.0) → Aumenta el grosor de la lı́nea en la gráfica.

• plt.plot(x,y)
plt.ylabel(’Eje vertical’)
plt.xlabel(’Eje horizontal’)
plt.title(’Tı́tulo’)

• plt.scatter(x,y) → Grafica la dispersión de puntos sin unirlos.


plt.grid(True) → Genera una cuadrı́cula en el espacio de la gráfica.

• grupos = [’Grupo a’, ’Grupo b’, ’Grupo c’, ’Grupo d’]


valores = [15, 40, 100, 53]
plt.bar(grupos, valores)

• plt.figure(figsize=(15, 3)) → Ancho y alto en pulgadas.


plt.subplot(131)
plt.bar(grupos, valores)
plt.subplot(132)
plt.scatter(grupos, valores)
plt.subplot(133)
plt.plot(grupos, valores)
plt.suptitle(’Varias gráficas’)
Una librerı́a muy usada en Python es numpy. NumPy se refiere a Numerical Python. Ini-
cialmente usaremos numpy para generar valores numéricos que permitan hacer varios tipos de
gráficas.

NumPy
• import numpy as np
t=np.arange(0,5,0.1)
plt.plot(t,t**2)
print(t)

• plt.plot(t, t, ’r–’, t, t**2, ’bs’, t, t**3, ’gˆ’)

• x=np.random.rand(50) → 50 números aleatorios con distribución uniforme entre 0 y 1.


print(x)

• x=np.random.rand(2000)
print(x)

• x=np.random.randn(2000)→ Distribución normal


print(x)

• x=np.random.randint(10,20,50) → 50 números aleatorios enteros entre 10 y 20. print(x)


plt.plot(x)

• t1=np.arange(0,2*np.pi,0.1)
plt.plot(t1,np.sin(t1),t1,np.cos(t1))

• t1=np.arange(0,2*np.pi,0.1)
t2=np.arange(0,2*np.pi,0.2)
plt.plot(t1,np.cos(2*np.pi*t1)*np.exp(-t1),’r’,t2,np.cos(2*np.pi*t2)*np.exp(-t2),’bo’)

• mu, sigma = 100, 15


x = mu + sigma * np.random.randn(10000)
plt.hist(x) plt.show()

• mu, sigma = 100, 15


x = mu + sigma * np.random.randn(10000)
plt.hist(x,100,density=1,facecolor=’c’, alpha=0.75)
plt.grid(True)
plt.show()

• mu, sigma = 100, 15


x = mu + sigma * np.random.randn(10000)
plt.hist(x,100,density=1,facecolor=’c’, alpha=0.75)
plt.annotate(’Máximo de la \n distribución’, xy=(100, .025), xytext=(110, 0.025),
arrowprops=dict(facecolor=’black’)) → Esta lı́nea es continuación de la anterior.
plt.grid(True)
plt.show()

También podría gustarte