Proyecto NovaLabUD

NovaLab es un proyecto que ha sido desarrollado en Python utilizando el paradigma de Programación Orientada a Objetos (POO), lo que facilita la gestión, reutilización y mantenimiento del código. El objetivo del proyecto es realizar simulaciones de experimentos físicos, como la caída libre, con la capacidad de generar gráficos e informes detallados sobre el comportamiento de los objetos bajo diversas condiciones.

A lo largo de este proyecto, se utilizan librerías de Python como pandas, numpy y matplotlib para el manejo de datos y la visualización gráfica, y scipy para la interpolación y otros análisis matemáticos. El código está diseñado para ser fácilmente extensible y configurable, permitiendo a los usuarios modificar parámetros de los experimentos. Está diseñado para ser fácil de usar, ofreciendo una experiencia intuitiva para trabajar con datos científicos en diversas áreas.

Authors

• Laura Viviana Oliveros
• Julián Armando Áros
• Andrés Fernando Gómez
• Laura Carolina Triana
• Juan Sebastian Manrique
• georgfis

Mención Especial, Profesor Andrés Vasco

Funcionalidades de la aplicación:

Procesamiento de Datos:

Nuestra aplicación está diseñada para simplificar y optimizar el manejo de datos. Ofrecemos herramientas integradas para:

• Carga de datos: Compatible con diversos formatos (CSV, JSON, Excel, entre otros).
• Preprocesamiento: Limpieza de datos, detección y tratamiento de valores nulos, normalización y escalado.
• Análisis exploratorio: Imputación y transformación básica de los datos.

Ajuste de Modelos:

La app incluye funcionalidades avanzadas para entrenar y ajustar modelos de aprendizaje automático:

• Selección de modelos: Acceso a algoritmos predefinidos como regresión lineal, polinómicas del grado deseado e interpolación y sus respectivas métricas.

Graficadora:

La visualización de datos y resultados es fundamental, y nuestra app incluye una herramienta de graficado robusta:

• Gráficos predefinidos: Histogramas, gráficos de dispersión, diagramas de caja, entre otros.
• Personalización: Opciones para modificar colores, títulos, etiquetas y estilos.
• Interactividad: Permite explorar los gráficos con zoom, selección de regiones y exportación en formatos como PNG o SVG.

Finalidad de la app:

Esta aplicación busca ofrecer una herramienta a los estudiantes de física de los primeros semestres, para importar los datos de laboratorio y obtener facilmente los ajustes y su vizualización. Tambien se incluye pestañas con la teoría correspondiente a los fenomenos físicos analizados.

Metodología de programación: POO (Programación Orientada a Objetos)

Lenguaje de programación utilizado: Python

Estructura del Proyecto

La estructura del repositorio es la siguiente:

Librerías Utilizadas

Librerías para Manejo de Datos

• pandas: Proporciona estructuras de datos y herramientas de análisis, esenciales para manejar la entrada de datos en experimentos y las simulaciones.
• numpy: Utilizado para realizar operaciones matemáticas y manejar arreglos numéricos de manera eficiente.
• datetime: Se usa para gestionar la temporalidad en las simulaciones y registrar las fechas de ejecución.
• pickle: Se emplea para guardar y cargar configuraciones de simulaciones o resultados previos.

Librerías para Análisis y Visualización

• matplotlib: Se usa para generar gráficos interactivos de los resultados de las simulaciones, tales como la velocidad, la distancia y el tiempo en experimentos de caída libre.
• scipy: Utiliza herramientas como interp1d para realizar interpolación de los datos obtenidos en las simulaciones.

Instalación

Para la instalación del programa debes tener una versión 3.11.2 o superior (esto debido a que bajo esta versión fue programada la aplicación). Luego, ubícate en la dirección en donde quieras alojar el programa portable, copia y pega en tú terminal los siguientes comandos:

git clone https://github.com/jsmanriquem/NovaLabUD.git
python -m venv NovaLabUD

Con ello, tendrás instalado el programa, sin embargo, para ejecutarlo debes activar el entorno virtual, para ello recomendamos que revises la documentación de venv que dependiendo de tú sistema operativo cambiará la activación.

Luego, se deben instalar las dependencias, para ello usa el comando (se debe estar dentro de la carpeta NovaLabUD):

  pip install -r requirements.txt

Finalmente, para ejecutar la aplicación se usa el comando:

  python app.py

Puedes encontrar el manual de usuario aquí NovaLabUD Manual.

Módulos del Código

data_operations.py

Este módulo contiene las funciones necesarias para el manejo y procesamiento de datos:

• Carga de datos: Lectura de archivos en formatos como CSV, JSON, y Excel.
• Limpieza de datos: Tratamiento de valores nulos, duplicados y datos inconsistentes.
• Transformaciones: Normalización, escalado y codificación de datos categóricos.

regression analysis.py

Incluye algoritmos para ajuste de modelos de regresión:

• Regresión Lineal: Implementación y entrenamiento para análisis predictivo.
• Regresión Polinómica: Modelado para datos no lineales.
• Evaluación de Modelos: Cálculo de métricas como R², MAE, y RMSE.

graficador.py

Proporciona herramientas para visualizar datos y resultados de modelos:

• Generación de gráficos: Histogramas, gráficos de dispersión, y diagramas de caja.
• Personalización: Opciones para títulos, colores y estilos de gráficos.
• Exportación: Guarda gráficos en formatos como PNG y SVG.

generador_dato.py

Diseñado para la creación y simulación de datos:

• Datos sintéticos: Generación de conjuntos de datos personalizados para pruebas.
• Parámetros personalizables: Control sobre distribución, tamaño y ruido.
• Utilidad en pruebas: Ideal para validar modelos y algoritmos.

app.py

Es el núcleo de la aplicación:

• Integración de módulos: Conexión entre los diferentes componentes de la app.
• Interfaz de usuario: Implementación de una UI interactiva para una experiencia amigable.
• Flujo principal: Coordina la ejecución de procesamiento, modelado y visualización.

Contribuciones

Si deseas contribuir a este proyecto, por favor sigue los siguientes pasos:

1. Haz un fork del repositorio.
2. Crea una rama (git checkout -b nueva-funcionalidad).
3. Realiza tus cambios y confirma las modificaciones (git commit -am 'Añadir nueva funcionalidad').
4. Envía un pull request para que revisemos y fusionemos los cambios.