# -*- coding: utf-8 -*-
"""
Created on Thu Apr 25 08:19:07 2019

@author: Publico
"""
import numpy as np
import matplotlib.pyplot as plt
import scipy.optimize as scop
from scipy import signal

def leermd(filename):
    from pandas import read_csv
    import numpy as np
    
    df = read_csv(filename, sep='\t', skiprows=3, decimal=',')

    nparray = df.as_matrix()
    
    result = nparray[~np.isnan(nparray).any(axis=1)]
        
    return result

def calcperpendulo(datos):
    plt.figure()
    plt.plot(datos[:,0],datos[:,1])  #trazo datos
    dife=np.diff(datos[:,1])         #Nos quedamos con la diferecencia de voltaje entre mediciones consecutivas, porque nos interesan las transiciones entre destapado y obturación
    tiempos = datos[1:,0]            #Sacamos los tiempos correspondientes a las diferencias
    plt.plot(tiempos,dife)           #trazo diferencia
    tiempos_picos=tiempos[dife>2]    #Nos quedamos con los tiempos correspondientes a esos saltos
    per=np.diff(tiempos_picos)       #Calculamos diferencia entre tiempos de saltos consecutivos
    periodos=[]
    for i in range(len(per)-1):      #Calculamos el salto de 2 en 2 
        periodos.append(per[i]+per[i+1])
    periodo=np.mean(periodos)       #Calculo promedio
    perDS=np.std(periodos)          #Calculo desvío estándar
    result=[periodo,perDS]
    return result

def periodoresorte(datos,nventana):
    plt.figure()
    plt.plot(datos[:,0],datos[:,1])  #trazo datos

    extrema = signal.argrelmax(x,order=nventana)
    tiempo_extrema=datos[extrema,0]
    plt.plot(datos[extrema,0],datos[extrema,1],'o')
    periodos=np.diff(tiempo_extrema)
    periodo=np.mean(periodos)       #Calculo promedio
    perDS=np.std(periodos)          #Calculo desvío estándar
    result=[periodo,perDS]
    return result

def pos_max(datos,nventana):
    plt.figure()
    plt.plot(datos[:,0],datos[:,1])  #trazo datos

    extrema = signal.argrelmax(x,order=nventana)
    tiempo_extrema=datos[extrema,0]
    valor_extrema=datos[extrema,1]
    plt.plot(tiempo_extrema,valor_extrema,'o')
    result=[tiempo_extrema,valor_extrema]
    return result

def funcion_lineal(x,a,b):
	return a*x + b

#%%
perfinal=[]
e_per=[]
longitud=np.array([])
e_long=np.array([])    

perfinal.append(calcper(sasra)[0])
e_per.append(calcper(sasra)[1])   

p_opt,cov = scop.curve_fit(data_x,data_y,sigma = errores_y)
errores_parametros = np.sqrt(np.diag(cov))
plt.figure()
plt.errobar(data_x,data_y,errores_y,'.')
plt.plot(data_x,funcion_lineal(data_x,p_opt[0],p_opt[1]))