# -*- coding: utf-8 -*-
"""Resonancia.ipynb

Automatically generated by Colaboratory.

Original file is located at
    https://colab.research.google.com/drive/1WHal1guY_rqmPo9lCNyEeVGZLqKY9HNY
"""

# Commented out IPython magic to ensure Python compatibility.
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]
#ye1 = Misdatos_exp[:,1] (voltaje)
#ye2 = Misdatos_exp[:,2]  (fase)
#dye1 = MIsdatos_exp[:,3] (error en voltaje)
#dye2 = MIsdatos_exp[:,4] (error en fase)


## Carga manual
#xe = np.array([ 1, 2  ,   , ])
#ye1 = np.array([ ,   ,   , ])
#ye2 = np.array([ ,   ,   , ])
#dye1 = np.array([ ,   ,   , ])
#dye2 = np.array([ ,   ,   , ])

 #fijarse en la tabla de errores del multimetro o cargar el valor directo


##Ajuste CARGA

## I(w) = Vo /  Raiz[ R^2 + (wL-1/wC)^2]    modelo   corriente
## Fi = arctg [ (wL-1/wC) /R]    modelo fase


def I(w, Vo, R, L, C):
        return Vo/(R * np.sqrt(R**2 + (2*np.pi*w*L - 1/(2*np.pi*w*C))**2))
    
def Fase(f, Vo, R, L, C):
        return np.arctan((2*np.pi* f *L - 1/(2*np.pi* f * C))/R)    

V0_guess = 10 #V
R_guess = 100 #O
L_guess = 0.1 #H
C_guess = 0.0001  #F


p0 = [V0_guess, R_guess, L_guess, C_guess]





# Datos de juguete

x = np.linspace(10, 500, 100)
y_1 = I(x, V0_guess, R_guess, L_guess, C_guess) + np.random.rand() * I(x, V0_guess, R_guess, L_guess, C_guess) * 0.1
y_2 = Fase(x, V0_guess, R_guess, L_guess, C_guess) + np.random.rand() * Fase(x, V0_guess, R_guess, L_guess, C_guess) * 0.1
dye_1 = y_1*0.005
dye_2 = y_2*0.005


# Fin Datos de juguete


#Instrucciones para usar los datos del experimento:
#Cambiar x por xe, cambiar y_1 por ye1, cambiar y_2 por ye2, cambiar dye_1 por dye1 (o borrar sigma si no hay error), mismo con dye2.

param1, cov1 = curve_fit(I, x, y_1, sigma = dye_1, p0=p0) 
param2, cov2 = curve_fit(Fase, x, y_2, sigma = dye_2, p0=p0)
print(param1)
print(param2)

plt.plot(x, y_1,'bo', label = 'datos')
plt.plot(x,I(x, param1[0], param1[1], param1[2], param1[3]), 'r-', label = 'Ajuste') 
plt.errorbar(x, y_1, dye_1, linestyle = 'None')
plt.title('X vs Y exp')
plt.xlabel('Mediciones X')
plt.ylabel('Valores y')
plt.legend()
plt.show()

plt.plot(x, y_2,'bo', label = 'datos')
plt.plot(x,Fase(x, param2[0], param2[1], param2[2], param2[3]), 'r-', label = 'Ajuste') 
plt.errorbar(x, y_2, dye_2, linestyle = 'None')
plt.title('X vs Y exp')
plt.xlabel('Mediciones X')
plt.ylabel('Valores y')
plt.legend()
plt.show()