# coding: utf-8

# Rutinas básicas para el laboratorio. Ajuste exponencial

# In[1]:


import numpy as np
from matplotlib import pyplot as plt
from scipy.optimize import curve_fit
get_ipython().run_line_magic('matplotlib', 'inline')


# In[2]:


# Cargo datos exponenciales

Misdatos_exp = np.loadtxt('Misdatos_exp.txt')
xe = Misdatos_exp[:,0]
ye = Misdatos_exp[:,1]
dye = Misdatos_exp[:,2]

# ploteo los datos para chequearlos
plt.plot(xe,ye,'bo', label = 'datos')
plt.errorbar(xe,ye,dye, linestyle = 'None')
plt.title('X vs Y exp')
plt.xlabel('Mediciones X')
plt.ylabel('Valores y')
plt.legend() 
plt.show()


# In[6]:


# CASO 1: Hago un ajuste exponencial
# defino la función que necesito (acorde a la ley o ecuación que espero sigan mis datos)

def fe(x, a, b, c):
        return a*np.exp(-x/b)+c

param, cov = curve_fit(fe, xe, ye, sigma = dye)


# In[7]:


plt.plot(xe,ye,'bo', label = 'datos')
plt.plot(xe,fe(xe, param[0], param[1], param[2]), 'r-', label = 'Ajuste') 
plt.errorbar(xe, ye, dye, linestyle = 'None')
plt.title('X vs Y exp')
plt.xlabel('Mediciones X')
plt.ylabel('Valores y')
plt.legend()
plt.show()

print('a=', param[0], 'b=', param[1], 'c =', param[2])
print('da=', np.sqrt(cov[0,0]), 'db=', np.sqrt(cov[1,1]), 'dc=', np.sqrt(cov[2,2]))


# In[70]:


# Puedo mirar el plot en escala logaritmica

plt.plot(xe,ye,'bo', label = 'datos')
plt.plot(xe,fe(xe, cofe[0], cofe[1], cofe[2]), 'r-', label = 'Ajuste') 
plt.errorbar(xe, ye, dye, linestyle = 'None')
plt.title('X vs Y exp')
plt.xlabel('Mediciones X')
plt.ylabel('Valores y')
plt.legend()

plt.yscale('log')

plt.show()


# In[72]:


# Le cambio la escala buscando dónde es más lineal

plt.plot(xe,ye,'bo', label = 'datos')
plt.plot(xe,fe(xe, cofe[0], cofe[1], cofe[2]), 'r-', label = 'Ajuste') 
plt.errorbar(xe, ye, dye, linestyle = 'None')
plt.title('X vs Y exp')
plt.xlabel('Mediciones X')
plt.ylabel('Valores y')
plt.legend()

plt.yscale('log')
plt.xlim(-20,-5)

plt.show()


# In[82]:


# CASO 2: Calculo log(y) y hago ajuste lineal

ylog = np.log(ye)
plt.plot(xe,ylog,'bo', label = 'datos')
plt.show()


# In[88]:


# Asumo que no todo el rango es lineal, por lo que elijo un rango y ajusto solo esa parte de los datos

xe_sub = xe[xe<0]
ylog_sub = ylog[xe<0]
plt.plot(xe_sub,ylog_sub,'bo', label = 'datos')
plt.show()


# In[ ]:


# AJUSTO LINEAL ESTO
# para ello uso el script de ajuste lineal usando como variables xe_sub y ylog_sub

# anímense solos!