# -*- coding: utf-8 -*-
"""
Created on Mon May  6 11:42:27 2019

@author: INFIP
"""

# importamos numpy
import numpy as np
# importamos matplotlib, pedimos que sea interactivo y que los graficos sean en svg
import matplotlib.pyplot as plt
plt.ion()
# por ultimo, importamos la funcion que nos permitira hacer el ajuste no lineal
from scipy.optimize import curve_fit
#Leo el archivo txt
file="resorte_osc.txt"
Misdatos = np.loadtxt(file, delimiter="\t",skiprows=1)
#Datos ordenados col1 : x, col 2: y1
t = Misdatos[:,0]
y1 = Misdatos[:,1]
#Grafico los datos del archivo
plt.figure(1)
plt.plot(t,y1,'.-')
plt.grid('on');
plt.xlabel('t [seg]');
plt.ylabel('Fuerza [N]');
plt.show()
def funcion_de_ajuste(t, A, o, p,fo):
   return A*np.sin(o*(t+p))+fo
valores_iniciales = np.array([0.15,8.7,-0.5, 1.7])
fitParams, fitCovariance = curve_fit(funcion_de_ajuste, t, y1, p0=valores_iniciales)
# estos son los parametros:
print (fitParams)
# Errores en los parametros
sigma = [fitCovariance[0,0], \
         fitCovariance[1,1], \
         fitCovariance[2,2], \
         fitCovariance[3,3], \
         ]
# estos son los errores en los parametros:
print (sigma)
# guardemoslos en una variable de nombre mas corta... (que llamamos res)
res = fitParams
plt.figure()
plt.plot(t, y1, 'b.-', label='datos')
plt.plot(t, res[0]*np.cos(res[1]*t+res[2])+res[3], 'r-', label='ajuste no lineal')
plt.xlabel('t [s]')
plt.ylabel('F(t) [N]')
plt.grid('on')
# Por ultimo grafiquemos los intervalos de confianza (es dificil verlos!)
plt.figure()
plt.ylabel('F(t) [N]')
plt.xlabel('t [s]')

plt.plot(t, funcion_de_ajuste(t, fitParams[0], fitParams[1], fitParams[2], fitParams[3]))
plt.plot(t, funcion_de_ajuste(t, fitParams[0] + sigma[0], fitParams[1] - sigma[1], fitParams[2] + sigma[2],fitParams[3] + sigma[3] ))
plt.plot(t, funcion_de_ajuste(t, fitParams[0] - sigma[0], fitParams[1] + sigma[1], fitParams[2] - sigma[2],fitParams[3] - sigma[3] ))
plt.grid('on')