Asignatura: Programación de Computadores / Fundamentos de Programación Temática Principal: Manipulación Masiva de Datos (NumPy) y Gráficos de Ingeniería (Matplotlib)
El propósito de esta semana es dar el salto del procesamiento de datos individuales a la manipulación masiva de información. Los estudiantes aprenderán que, en la ingeniería real (como al analizar lecturas de sensores o cargas sobre una viga), no procesamos variables una por una, sino bloques enteros de datos (vectores). Introduciremos dos de las librerías científicas más importantes del mundo: NumPy y Matplotlib.
import numpy as np,
import matplotlib.pyplot as plt).for.for para
matemáticas)Se debe explicar a los estudiantes que NumPy convierte a Python en
una calculadora científica de alto rendimiento. El concepto fundamental
a interiorizar es la creación del arreglo: np.array(). *
Ejemplo Base: Transformar una lista de temperaturas
recolectadas en campo en un arreglo numérico.
Aquí demostramos la magia de aplicar una fórmula matemática a miles de datos en una sola línea de código: * Ruta Agroindustrial: Convertir masivamente un vector de temperaturas de grados Celsius a Kelvin sumando 273.15 directamente al vector. * Ruta Civil / Agrícola: Calcular un vector de presiones hidrostáticas multiplicando constantes (densidad y gravedad) por un vector de múltiples profundidades (\(P = \rho \cdot g \cdot h\)).
Un ingeniero toma decisiones basadas en tendencias visuales. Se
enseñará a trazar coordenadas X e Y usando plt.plot(). *
Regla de Oro: Inculcar que un gráfico sin título ni
etiquetas en los ejes no tiene validez técnica. *
Personalización: Uso de marker='o',
color='red', linestyle='--' y la adición de
cuadrículas con plt.grid(True) para la lectura de curvas de
secado.
Los estudiantes deben ejecutar el siguiente prompt en su chat de
apoyo para profundizar teóricamente en las librerías: > “Actúa
como un Científico de Datos experto en ingeniería. Estoy empezando a
usar NumPy y Matplotlib en Python. 1) Explícame la diferencia principal
entre una lista normal de Python y un arreglo de NumPy (ndarray). ¿Por
qué NumPy es más rápido? 2) ¿Qué significa el término”vectorización”? 3)
En Matplotlib, además del gráfico de líneas, explícame para qué sirven:
plt.scatter() y plt.bar(). 4) Escribe un
código de ejemplo breve donde se grafique la función de una parábola
matemática, útil para diseño de canales o puentes. Después hazme 2
preguntas para verificar mi comprensión.”
En su entorno de trabajo, los estudiantes deben modificar el código
de la curva de secado teórica para que los marcadores sean cuadrados
(marker='s'), la línea sea azul y el gráfico incluya una
leyenda que especifique el tipo de producto analizado (ej. “Maíz” o
“Concreto”).
El resumen manuscrito de esta sesión debe consolidar la sintaxis y
los conceptos: 1. Definición: Qué es un arreglo de
NumPy y por qué supera en velocidad a las listas tradicionales. 2.
Vectorización: Explicación con sus propias palabras de
cómo aplicar una operación matemática a un conjunto de datos completo.
3. Librerías: Los apodos estándar (np y
plt). 4. Reflexión: “La visualización de
datos cambia la manera en que un ingeniero entiende y comunica un
problema”.
Instrucción Adicional: En el reverso de la hoja, los
estudiantes deben escribir a mano (sin mirar el computador) las 4 a 5
líneas de código de Matplotlib necesarias para tomar dos arreglos
x e y, graficarlos, ponerles un título,
nombrar los ejes y mostrar el gráfico en pantalla con
plt.show().