import numpy as np
from matplotlib import pyplot as plt
from scipy.optimize import curve_fit
%matplotlib inline  


## CARGA

##Cargo datos:

## depende del formato uso uno u el otro 

#Misdatos_exp = np.loadtxt('carga1.txt')

#Misdatos_exp = np.loadtxt('carga1.tsv')

#import pandas as pd
#Misdatos_exp = pd.read_csv('carga1.csv')

#xe = Misdatos_exp[:,0]
#ye = Misdatos_exp[:,1]

## Carga manual
#xe = np.array([ 1, 2  ,   , ])
#ye = np.array([ ,   ,   , ])

dye = ye*0.005 #fijarse en la tabla de errores del multimetro o cargar el valor directo

## 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()


##Ajuste CARGA

## Vc = Vo*(1-np.exp(-t/tau))   modelo
## tau = RC

def fe(x, a, b, c):
        return a*(1-np.exp(-x/b))+c

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

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]))

## DESCARGA

## cargo datos usando mismos sistema que carga

#xe = np.array([   ,   , ,])
#ye = np.array([ ,   ,   , ])
dye = ye*0.005 #fijarse en la tabla de errores del multimetro

# 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()

# 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)



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]))