GUÍA MAESTRA

SEMANA 10 — Introducción a bibliotecas científicas (NumPy y Matplotlib)

Asignatura: Programación de Computadores con Python / Fundamentos de Programación Programas: Ingeniería Agrícola, Civil y Agroindustrial — Universidad de Sucre

En esta semana los estudiantes conocen el ecosistema científico de Python, utilizado ampliamente en ingeniería, ciencia de datos y análisis experimental.

Hasta ahora los programas se han construido con Python básico, utilizando:

  • variables
  • funciones
  • listas
  • bucles
  • archivos

Ahora se introducen dos bibliotecas fundamentales:

  • NumPy → para cálculos numéricos eficientes
  • Matplotlib → para visualización de datos

Estas herramientas permiten analizar datos provenientes de:

  • experimentos
  • sensores
  • estaciones meteorológicas
  • ensayos de laboratorio
  • simulaciones

OBJETIVO DE APRENDIZAJE

Al finalizar la semana el estudiante será capaz de:

  • Comprender qué es una biblioteca en Python.
  • Utilizar NumPy para manejar arreglos numéricos.
  • Realizar cálculos estadísticos básicos.
  • Generar gráficos simples con Matplotlib.
  • Visualizar datos experimentales de ingeniería.

SESIÓN 1 (2 HORAS)

Introducción a NumPy

1. Introducción conceptual del docente (20 minutos)

El docente plantea la siguiente situación:

Un ingeniero agrícola tiene un conjunto de mediciones de humedad del suelo.

Datos:

18, 20, 19, 22, 21

Hasta ahora estos datos se han manejado con listas:

humedad = [18, 20, 19, 22, 21]

Pero cuando se manejan grandes cantidades de datos, es más eficiente utilizar arreglos numéricos especializados.

Para esto se utiliza NumPy.

¿Qué es NumPy?

NumPy es una biblioteca de Python diseñada para:

  • cálculos numéricos rápidos
  • manejo eficiente de datos
  • operaciones matemáticas vectorizadas

2. Activación del tutor IA

Los estudiantes interactuarán con un ChatBot utilizando la funcionalidad:

Estudia y Aprende

Se recomienda utilizar:

GPT Programación Python – Ingeniería

PROMPT DE INICIO — SEMANA 10

Actúa como tutor experto en programación científica con Python.

Tema: NumPy y Matplotlib para análisis de datos en ingeniería.

1) Explica primero de forma simple qué es una biblioteca en Python.
2) Luego explica qué es NumPy y para qué se usa.
3) Explica qué es un arreglo numérico (array).
4) Explica qué es Matplotlib y para qué se usa.
5) Presenta 3 ejemplos de análisis de datos en ingeniería usando estas bibliotecas.

Después hazme 3 preguntas para verificar si comprendí los conceptos.

3. Interacción guiada con IA (30 minutos)

El estudiante debe:

  1. Leer la explicación del tutor IA.
  2. Responder las preguntas propuestas.
  3. Solicitar ejemplos adicionales si lo considera necesario.

4. Importar NumPy

Para usar la biblioteca se utiliza:

import numpy as np

5. Crear un arreglo NumPy

Ejemplo:

import numpy as np

humedad = np.array([18, 20, 19, 22, 21])

print(humedad)

Resultado:

[18 20 19 22 21]

6. Operaciones con NumPy

Calcular promedio:

np.mean(humedad)

Valor máximo:

np.max(humedad)

Valor mínimo:

np.min(humedad)

Ejemplo completo

import numpy as np

datos = np.array([18, 20, 19, 22, 21])

print("Promedio:", np.mean(datos))
print("Máximo:", np.max(datos))
print("Mínimo:", np.min(datos))

SESIÓN 2 (2 HORAS)

Visualización de datos con Matplotlib

En esta sesión los estudiantes aprenden a representar datos mediante gráficos, una habilidad fundamental en análisis de datos e ingeniería.

1. Activación del tutor IA

Los estudiantes interactúan nuevamente con el ChatBot.

PROMPT DE APRENDIZAJE — SESIÓN 2

Actúa como tutor experto en análisis de datos con Python para ingeniería.

Explícame:

1) Qué es Matplotlib.
2) Cómo se crea un gráfico simple en Python.
3) Qué es un gráfico de línea.
4) Cómo interpretar gráficos de datos experimentales.
5) Qué errores comunes cometen los estudiantes al crear gráficos.

Después:

• presenta 3 ejemplos de gráficos con datos de ingeniería
• explica cada línea del código
• propone un ejercicio donde el estudiante grafique datos experimentales.

2. Importar Matplotlib

import matplotlib.pyplot as plt

3. Crear un gráfico simple

Ejemplo:

import matplotlib.pyplot as plt

temperaturas = [26, 27, 28, 29, 27, 26, 28]

plt.plot(temperaturas)

plt.title("Temperatura semanal")

plt.xlabel("Día")

plt.ylabel("Temperatura (°C)")

plt.show()

Explicación del gráfico

  • eje X → días
  • eje Y → temperatura

Este tipo de gráfico permite observar variaciones en el tiempo.

4. Ejemplo aplicado a ingeniería agrícola

Evolución de humedad del suelo

import matplotlib.pyplot as plt

humedad = [18, 20, 19, 22, 21]

plt.plot(humedad)

plt.title("Humedad del suelo")

plt.xlabel("Día")

plt.ylabel("Humedad (%)")

plt.show()

Interpretación

Permite analizar:

  • tendencias
  • variabilidad
  • comportamiento del suelo

5. Ejercicio de razonamiento

El docente plantea:

Datos de precipitación:

10, 5, 0, 12, 8, 6, 3

Preguntas:

  • ¿Qué día tuvo mayor precipitación?
  • ¿Qué tendencia se observa?

Los estudiantes deben interpretar el gráfico generado.

6. Mini-proyecto aplicado a ingeniería

Análisis de lluvia semanal

import numpy as np
import matplotlib.pyplot as plt

lluvia = np.array([10, 5, 0, 12, 8, 6, 3])

promedio = np.mean(lluvia)

print("Promedio:", promedio)

plt.plot(lluvia)

plt.title("Precipitación semanal")

plt.xlabel("Día")

plt.ylabel("mm")

plt.show()

7. PROMPT GLOBAL DE CIERRE

Al finalizar la sesión los estudiantes generan el resumen que escribirán manualmente.

Actúa como tutor experto en programación científica con Python.

Con base en el tema que acabamos de estudiar (NumPy y Matplotlib),
elabora un RESUMEN BREVE que cumpla las siguientes condiciones:

1. Debe caber en UNA SOLA HOJA escrita a mano.
2. Debe usar lenguaje claro y técnico.
3. Debe incluir:

- idea central del tema
- conceptos clave explicados con sencillez
- relación entre datos, análisis y visualización
- un ejemplo aplicado a ingeniería

4. No debe ser copia literal de libros.
5. Debe permitir que el estudiante lo escriba comprendiendo lo esencial.

Al final agrega una frase breve de reflexión sobre la importancia de visualizar datos en ingeniería.

8. ACTIVIDAD FINAL — HOJA ESTUDIA Y APRENDE

Los estudiantes completarán la hoja institucional.

En el reverso deben escribir a mano:

  • qué es una biblioteca en Python
  • qué es NumPy
  • qué es Matplotlib
  • por qué los gráficos ayudan a interpretar datos
  • ejemplo aplicado a ingeniería

RESULTADOS DE APRENDIZAJE DE LA SEMANA

Al finalizar la semana el estudiante será capaz de:

  • utilizar bibliotecas externas en Python
  • realizar cálculos con NumPy
  • visualizar datos con Matplotlib
  • interpretar gráficos de datos experimentales