Para la baliza de Rectorado, hacia el área de estudio se encuentra el edificio Biblioteca que es suficientemente grande para bloquear parcialmente la señal y genera un efecto "sombra".
En la vista superior del área de mediciones, a la derecha se ubica el rectorado en la cima del cerro, la Biblioteca en una parte intermedia, y el área de vegetacion FIEC se ubica en la parte baja del cerro hacia la izquierda de la imagen.
La "sombra" en la parte de vegetación se delimita en el sector formado por el ángulo formado entre las líneas de baliza y punto de referencia.
En la imagen se identifica como sector 's0' al círculo completo, como si no hubiese sectorización, para luego realizar cortes para el sector 's1' de la "sombra".
El sector 's1', del ejemplo, usa los puntos de referencia de inicio y fin en el sentido de las manecillas del reloj:
- 'FIEC112' usado como inicio, pues la línea entre Rectorado y el punto FIEC112 pasa por el borde del edificio de Biblioteca.
- 'FCNM110' es usado punto final del sector al delimitar el área de vegetación bajo estudio entre FIEC y FCNM desde RECTorado.
En cada sector, se usan también intervalos por distancia desde la baliza descrita en la sección anterior.
El asunto con sectores se presenta principalmente con la baliza 'gtwRECT', siendo el caso referencia para el desarrollo del algoritmo. El sector añade una variable y nivel al diccionario de la ecuación.
baliza: ‘gtwRECT’ , Sector: 's0'
Para el primer sector 's0' sin "somlbra" del edificion biblioteca, también se aplica un subintervalo con frontera buscada desde los 300 m y determinada con las fórmulas en un radio de 359 m.
baliza: ‘gtwFIEC’ , Sector: 's1'
Para el siguiente sector 's1' se observa el efecto de "sombra" del edificio Biblioteca, se presenta una recuperación de señal al alejar de la baliza de RECTorado y el edificio Biblioteca.
En la gráfica, la baliza de RECTorado se encuentra a la izquierda, pues el eje distancia aumenta de valor hacia la derecha.
Parámetros de sector
La variable 'sector_ref' contiene los puntos de referencia para un nuevo sector 's1'. Si 'sector_ref' no contiene valores [] se asume que una formula aplica todo el círculo predeterminada como sector 's0'.
Los puntos de referencia se convierten a su equivalente en radianes usando las coordenadas utm este y norte, valores en radianes que pasan a formar parte de diccionario de ecuaciones como 'sector_rad' usados luego para evaluar la ecuación.
# Analizar por segmentos
analiza = {'gtwRECT':{'analizar' : 1,
'sector_ref' : ['FIEC112','FCNM110'],
's0':{'atipico_std' : 1,
'frontera' : [300],
'atipInterv_std': [2,2],
'p_amplia': 2,
'grp' : ['RECT','FIEC'],
'tip' : ['punto'],
'LOS' : [1] },
's1':{'atipico_std' : 1,
'frontera' : [],
'atipInterv_std': [2],
'p_amplia': 2,
'grp' : ['FIEC','FCNM'],
'tip' : ['punto'],
'LOS' : [1,0] }
},
'gtwFIEC':{'analizar' : 1,
'sector_ref' : [],
's0':{'atipico_std' : 1,
'frontera' : [190],
'atipInterv_std': [1,1],
'p_amplia': 4,
'grp' : ['FIEC','FCNM'],
'tip' : ['punto'],
'LOS' : [0,1] }
},
'gtwFCNM':{'analizar' : 1,
'sector_ref' : [],
's0':{'atipico_std' : 1,
'frontera' : [235.0],
'atipInterv_std': [2,2],
'p_amplia': 4,
'grp' : ['FIEC','FCNM'],
'tip' : ['punto'],
'LOS' : [1,0] }
}
}Resultados en otras balizas
El caso de la baliza 'gtwFIEC' no tiene observaciones de "sombra" para el área de vegetación que sean de tamaño considerable, por lo que se mantiene solo la división por segmentos.
Los resultados no varían gtwFCNM, pues no se ha aplicado este concepto de "sombra" para estas balizas, tan solo la división por subintevalos causadas por cambios de entorno.
Los resultados del algoritmo para usar en localización :
baliza: gtwRECT
sectores radianes: [2.6552133371486635, 2.7999991438538827]
[sector][intervalo]: s0 , r0
$ rssi = -10(5.148)log_{10}(d)+(15.043) $
intervalox: [138.15 482.74]
intervaloy: [-123.1 -93.18]
correlación: -0.93
|error_rssi| promedio: 2.88 , std: 3.55
|error_dist| promedio: 39.64 , std: 44.91
[sector][intervalo]: s0 , r1
$ rssi = -10(5.001)log_{10}(d)+(11.842) $
intervalox: [138.15 359.35]
intervaloy: [-115.97 -95.2 ]
correlación: -0.9
|error_rssi| promedio: 4.18 , std: 4.75
|error_dist| promedio: 42.76 , std: 44.83
[sector][intervalo]: s0 , r2
$ rssi = -10(7.191)log_{10}(d)+(67.794) $
intervalox: [359.35 482.74]
intervaloy: [-125.18 -115.97]
correlación: -0.94
|error_rssi| promedio: 2.11 , std: 2.3
|error_dist| promedio: 25.23 , std: 28.25
[sector][intervalo]: s1 , r0
$ rssi = -10(-8.383)log_{10}(d)+(-337.543) $
intervalox: [374.66 443.48]
intervaloy: [-124.2 -113.71]
correlación: 0.66
|error_rssi| promedio: 1.79 , std: 2.2
|error_dist| promedio: 20.48 , std: 25.57
[sector][intervalo]: s1 , r1
$ rssi = -10(-8.383)log_{10}(d)+(-337.543) $
intervalox: [374.66 443.48]
intervaloy: [-121.79 -115.65]
correlación: 0.66
|error_rssi| promedio: 1.79 , std: 2.2
|error_dist| promedio: 20.48 , std: 25.57
baliza: gtwFIEC
sectores radianes: []
[sector][intervalo]: s0 , r0
$ rssi = -10(4.908)log_{10}(d)+(1.406) $
intervalox: [ 52.54 397.15]
intervaloy: [-129.13 -86.99]
correlación: -0.9
|error_rssi| promedio: 4.84 , std: 5.56
|error_dist| promedio: 41.43 , std: 54.09
[sector][intervalo]: s0 , r1
$ rssi = -10(4.263)log_{10}(d)+(-11.269) $
intervalox: [ 52.54 166.14]
intervaloy: [-105.93 -84.62]
correlación: -0.9
|error_rssi| promedio: 2.92 , std: 3.33
|error_dist| promedio: 20.19 , std: 24.67
[sector][intervalo]: s0 , r2
$ rssi = -10(6.09)log_{10}(d)+(29.295) $
intervalox: [166.14 397.15]
intervaloy: [-128.98 -105.93]
correlación: -0.92
|error_rssi| promedio: 2.71 , std: 3.17
|error_dist| promedio: 25.03 , std: 29.93
baliza: gtwFCNM
sectores radianes: []
[sector][intervalo]: s0 , r0
$ rssi = -10(5.403)log_{10}(d)+(8.423) $
intervalox: [ 27.74 364.71]
intervaloy: [-132.09 -81.62]
correlación: -0.93
|error_rssi| promedio: 4.59 , std: 5.48
|error_dist| promedio: 41.33 , std: 48.24
[sector][intervalo]: s0 , r1
$ rssi = -10(4.795)log_{10}(d)+(-3.65) $
intervalox: [ 27.74 238.81]
intervaloy: [-117.68 -72.85]
correlación: -0.91
|error_rssi| promedio: 5.96 , std: 6.51
|error_dist| promedio: 52.15 , std: 64.38
[sector][intervalo]: s0 , r2
$ rssi = -10(9.027)log_{10}(d)+(96.989) $
intervalox: [238.81 364.71]
intervaloy: [-134.28 -117.68]
correlación: -0.87
|error_rssi| promedio: 2.81 , std: 3.43
|error_dist| promedio: 20.26 , std: 25.06
>>>
Rssi vs Distancia. Linealiza Sectores - Algoritmo Python
El efecto "sombra" añade el parámetro sector a la ecuación que se incorpora al resultado de la linealización en cada baliza.
La ecuación de una baliza se compone entonces de dos parámetros de selección: sector e intervalo.
Como ilustración se muestra la figura que tiene tres partes o ecuaciones:
ecuacion['s0']['r1']
ecuacion['s0']['r2']
ecuacion['s1']['r0']El primer parámetro para seleccionar la ecuación es el sector, 's0' y 's1', que en caso que sea un solo círculo se identifica como 's0'.
Dentro de cada sector, se mantiene el concepto de intervalos de distancia o radio. Se mantiene el concepto de la sección anterior, donde 'r0' corresponde a la linealización de todos los puntos en el sector. Cuando exiten sub-intervalos se usa 'r1', 'r2', etc para cada intervalo.
El número de ecuaciones corresponde al número de balizas y sectores establecidos para el análisis.
Se realizan cambios menores a la función pares_usar() de la librería girni para incorporar el parámetro sector, que al ser vacío '' funciona como fué descrito en las secciones anteriores.
pares_usar(tabla,baliza, analiza,unabaliza, unsector ='', medida = 'rssi', modo = 'rx')También se actualizaron los nombres de los archivos de entrada y salida para diferenciar de los resultados anteriores y disponer de los archivos para comparar con los resultados del método que solo usa intervalos.
Algoritmo en Python
# LoRa-Multipunto, Rssi vs distancia con mínimos cuadrados
# linealización Rssi vs log10(distancia)
# por Sectores e intervalos , Graficas '2D'
# Girni 2020-10-07 propuesta: edelros@espol.edu.ec
import numpy as np
import pandas as pd
import json
import matplotlib.pyplot as plt
import girni_lora_libreria as girni
# INGRESO
# archivos de entrada
modo = 'rx'
medida = 'rssi'
arch_medidaubica = 'rsmP06_'+medida+'Ubica01sector1.txt'
# archivos de salida
arch_ecuaciones = 'rsmP07_ecuacionSector01.json'
arch_medUbAtrib = 'rsmP07_'+medida+'UbicaUsarSector01.txt'
# Analizar por segmentos
analiza = {'gtwRECT':{'analizar' : 1,
'sector_ref' : ['FIEC112','FCNM110'],
's0':{'atipico_std' : 1,
'frontera' : [300],
'atipInterv_std': [2,2],
'p_amplia': 2,
'grp' : ['RECT','FIEC'],
'tip' : ['punto'],
'LOS' : [1] },
's1':{'atipico_std' : 1,
'frontera' : [],
'atipInterv_std': [2],
'p_amplia': 2,
'grp' : ['FIEC','FCNM'],
'tip' : ['punto'],
'LOS' : [1,0] }
},
'gtwFIEC':{'analizar' : 1,
'sector_ref' : [],
's0':{'atipico_std' : 1,
'frontera' : [190],
'atipInterv_std': [1,1],
'p_amplia': 4,
'grp' : ['FIEC','FCNM'],
'tip' : ['punto'],
'LOS' : [0,1] }
},
'gtwFCNM':{'analizar' : 1,
'sector_ref' : [],
's0':{'atipico_std' : 1,
'frontera' : [235.0],
'atipInterv_std': [2,2],
'p_amplia': 4,
'grp' : ['FIEC','FCNM'],
'tip' : ['punto'],
'LOS' : [1,0] }
}
}
baliza = {'d1':'gtwRECT',
'd2':'gtwFIEC',
'd3':'gtwFCNM'}
# Parámetros de grafica
tipograf = '2D' # '2D','' sin grafica
escala = 'log' # 'normal','log'
escalabase = 10 # 10
casicero = 1e-4
precision = 2
intersectar = 1 # 0:Falso, 1: Verdadero
# PROCEDIMIENTO
# leer datos
tabla = pd.read_csv(arch_medidaubica, index_col='etiqueta')
tabla = pd.DataFrame(tabla)
baliza_key = list(baliza.keys())
baliza_val = list(baliza.values())
# Resultados de análisis
ecuacion = {}
eq_graf = {}
# analiza datos hacia una baliza
for unabaliza in analiza:
donde = baliza_val.index(unabaliza)
cualbaliza = baliza_key[donde]
# Parámetros
analizar = analiza[unabaliza]['analizar']
if analizar:
# Crea ecuacion por baliza
ecuacion[unabaliza] = {'sector_rad':[]}
eq_graf[unabaliza] = {}
# sectores
sectores = []
sector_ref = analiza[unabaliza]['sector_ref']
tabla['sector_'+cualbaliza] = 0 # 'todos' predeterminado
# coordenadas baliza para identificar ángulo
b_este = tabla['c_este'][unabaliza]
b_norte = tabla['c_norte'][unabaliza]
# sectores por puntos de referencia
if len(sector_ref)>0:
for cadapunto in sector_ref:
p_este = tabla['c_este'][cadapunto]
p_norte = tabla['c_norte'][cadapunto]
dx = p_este - b_este
dy = p_norte - b_norte
theta = np.arctan2(dy,dx)
if theta<0 and dx<0:
theta = theta + 2*np.pi
sectores.append(theta)
sectores = np.array(sectores)
ordenar = np.argsort(sectores)
sectores = list(sectores[ordenar])
nsectores = len(sectores)
# clasifica puntos por sector particular
for cadapunto in tabla.index:
dentrosector = 0
p_este = tabla['c_este'][cadapunto]
p_norte = tabla['c_norte'][cadapunto]
dx = p_este-b_este
dy = p_norte-b_norte
theta = np.arctan2(dy,dx)
if theta<0 and dx<0:
theta = theta + 2*np.pi
for j in range(0,nsectores-1,1):
if theta>sectores[j] and theta<sectores[j+1]:
dentrosector = j+1
tabla.loc[cadapunto,'sector_'+cualbaliza] = dentrosector
# ecuacion por baliza y sector
ecuacion[unabaliza]['sector_rad'] = sectores
nsectores = len(sectores)
if nsectores == 0:
nsectores = 1
for cadasector in range(0,nsectores,1):
unsector = 's'+str(cadasector)
ecuacion[unabaliza][unsector] = {}
eq_graf[unabaliza][unsector] = {}
# ecuación con todos los puntos como referencia
[pares,par_etiqueta] = girni.pares_usar(tabla,baliza,analiza,
unabaliza,unsector,
medida,modo)
xi = pares[:,0]
yi = pares[:,1]
n_xi = len(xi)
# coeficiente de correlación
correlacion = np.corrcoef(xi,yi)[0,1]
# minimos cuadrados
ecuacion0 = girni.linealiza_lstsq(xi,yi)
# selecciona atipicos de todos los puntos
atipico_std = analiza[unabaliza][unsector]['atipico_std']
alpha = ecuacion0['alpha']
beta = ecuacion0['beta']
fdist0 = lambda d: -10*alpha*(np.log10(d))+beta
yi0 = fdist0(xi)
dyi0std = ecuacion0['error_std']
dyi0 = yi - yi0
atipicos = np.abs(dyi0) >= dyi0std*atipico_std
xi0_e = xi[atipicos]
yi0_e = yi[atipicos]
etiq0_e = par_etiqueta[atipicos]
unintervalo = 'r0' # todos
# para exportar hacia archivo o gráfica
ecuacion[unabaliza][unsector] = {unintervalo: ecuacion0 }
ecuacion[unabaliza][unsector][unintervalo]['correlacion'] = correlacion
eq_graf[unabaliza][unsector] = {unintervalo: {'xi_graf' : xi,
'yi_graf' : yi,
'etiqueta' : par_etiqueta,
'linea' : yi0,
'atipicos' : [xi0_e,yi0_e],
'atip_etiq': etiq0_e}
}
# Intervalos radiales en sector
intervalo = [np.min(xi),np.max(xi)]
frontera = analiza[unabaliza][unsector]['frontera']
if len(frontera)>0:
# revisar si frontera esta dentro intervalo
frontera = np.array(frontera, dtype=float)
revisar = (frontera>=np.min(xi)) & (frontera<=np.max(xi))
enintervalo = list(frontera[revisar])
intervalo.extend(enintervalo)
intervalo = np.array(intervalo)
ordenar = np.argsort(intervalo)
intervalo = intervalo[ordenar]
n_intervalo = len(intervalo)
# analizar cada subintervalo
p_inicio = 0
p_desde = 0
p_amplia = analiza[unabaliza][unsector]['p_amplia']
atipIntv_std = analiza[unabaliza][unsector]['atipInterv_std']
for i in range(0,n_intervalo-1,1):
i_eq = 'r' + str(i+1)
# puntos en subintervalo [a,b]
a = intervalo[i]
b = intervalo[i+1]
subintervalo = (xi >= a) & (xi <= b)
xi_sub = xi[subintervalo]
yi_sub = yi[subintervalo]
n_sub = len(xi_sub)
etiq_sub = par_etiqueta[p_inicio:p_inicio + n_sub]
# amplia sub-intervalo, mejora intersecta rectas
detras = p_inicio
retrocede = detras
if detras > p_amplia:
retrocede = p_amplia
delante = n_xi - (p_inicio+n_sub)# -1)
avanza = delante
if delante >= p_amplia:
avanza = p_amplia
p_desde = p_inicio - retrocede
p_hasta = p_inicio + (n_sub) + avanza
p_inicio = p_inicio + (n_sub-1)
# subintervalo, amplia puntos
xi_a = xi[p_desde:p_hasta]
yi_a = yi[p_desde:p_hasta]
etiq_a = par_etiqueta[p_desde:p_hasta]
# coeficiente de correlación
correlacion1 = np.corrcoef(xi_a,yi_a)[0,1]
# analiza subintervalo
ecuacion1 = girni.linealiza_lstsq(xi_a,yi_a)
ecuacion[unabaliza][unsector][i_eq] = ecuacion1
ecuacion[unabaliza][unsector][i_eq]['correlacion'] = correlacion1
# atipicos del subintervalo extendido
alpha = ecuacion1['alpha']
beta = ecuacion1['beta']
fdist1 = lambda d: -10*alpha*(np.log10(d))+beta
yi1 = fdist1(xi_a)
dyi1std = ecuacion1['error_std']
atipicos = np.zeros(len(xi_a),dtype=bool)
atipico_std = analiza[unabaliza][unsector]['atipInterv_std'][i]
dyi1 = yi_a - yi1
if np.abs(dyi1std) > casicero:
atipicos = np.abs(dyi1) >= dyi1std*atipico_std
xi1_e = xi_a[atipicos]
yi1_e = yi_a[atipicos]
etiq1_e = etiq_a[atipicos]
# para gráfica, atipicos sin extender puntos
atipicos_sub = (xi1_e >= a) & (xi1_e<=b)
xi_sub1_e = xi1_e[atipicos_sub]
yi_sub1_e = yi1_e[atipicos_sub]
etiq_sub1e = etiq1_e[atipicos_sub]
eq_graf[unabaliza][unsector][i_eq] = {'atipicos': [xi_sub1_e,yi_sub1_e],
'atip_etiq':etiq_sub1e}
# subintervalo sin atipicos
if len(xi1_e)>0:
atipicoNo = np.abs(dyi1) <= dyi1std*atipico_std
xi2 = xi_a[atipicoNo]
yi2 = yi_a[atipicoNo]
etiq2 = etiq_a[atipicoNo]
# coeficiente de correlación
correlacion2 = np.corrcoef(xi2,yi2)[0,1]
ecuacion2 = girni.linealiza_lstsq(xi2,yi2)
# actualiza ecuación sin atipicos intervaloy
intervalox = ecuacion1['intervalox']
ecuacion2['intervalox'] = intervalox.copy()
alpha = ecuacion2['alpha']
beta = ecuacion2['beta']
fdist = lambda d: -10*alpha*(np.log10(d))+beta
intervaloy = fdist(intervalox)
ordenar = np.argsort(intervaloy)
intervaloy = list(intervaloy[ordenar])
ecuacion2['intervaloy'] = intervaloy
ecuacion[unabaliza][unsector][i_eq] = ecuacion2
ecuacion[unabaliza][unsector][i_eq]['correlacion'] = correlacion2
# Revisar frontera entre subintervalos,
# calcula intersección de rectas como nueva frontera
interv_calc = np.copy(intervalo)
if len(intervalo) >2 and intersectar==1 :
for i in range(0,n_intervalo-2,1):
ai = 'r' + str(i+1)
bi = 'r' + str(i+2)
ma = ecuacion[unabaliza][unsector][ai]['alpha']
ba = ecuacion[unabaliza][unsector][ai]['beta']
mb = ecuacion[unabaliza][unsector][bi]['alpha']
bb = ecuacion[unabaliza][unsector][bi]['beta']
# punto de intersección o cruce
cruzanx = 10**((bb-ba)/(10*(mb-ma)))
dfrontera = frontera - cruzanx
# cruce dentro de intervalo de ecuacion
if cruzanx > intervalo[-1]:
cruzanx = intervalo[-1]
if cruzanx < intervalo[0]:
cruzanx = intervalo[0]
interv_calc[i+1] = cruzanx
# para grafica evalua cada subintervalo sin atipicos
n_interv_calc = len(interv_calc)
for i in range(0,n_interv_calc-1,1):
i_eq = 'r'+str(i+1)
a = interv_calc[i]
b = interv_calc[i+1]
subintervalo = (xi >= a) & (xi <= b)
xi_sub = xi[subintervalo]
yi_sub = yi[subintervalo]
xi_graf = np.copy(xi[subintervalo])
if not(a in xi_graf):
xi_graf = np.concatenate(([a],xi_graf),axis=0)
if not(b in xi_graf):
xi_graf = np.concatenate((xi_graf,[b]),axis=0)
# Evalua subintervalo con la ecuacion sin atipicos
alpha = ecuacion[unabaliza][unsector][i_eq]['alpha']
beta = ecuacion[unabaliza][unsector][i_eq]['beta']
fdist = lambda d: -10*alpha*(np.log10(d))+beta
yi1_sub = fdist(xi_sub)
yi_graf = fdist(xi_graf)
eq_graf[unabaliza][unsector][i_eq]['xi_graf'] = xi_graf
eq_graf[unabaliza][unsector][i_eq]['yi_graf'] = yi_graf
a = np.round(np.min([xi_graf]),precision)
b = np.round(np.max([xi_graf]),precision)
ecuacion[unabaliza][unsector][i_eq]['intervalox'] = [a,b]
ay = np.round(np.min([yi_graf]),precision)
by = np.round(np.max([yi_graf]),precision)
ecuacion[unabaliza][unsector][i_eq]['intervaloy'] = [ay,by]
# SALIDA
for unabaliza in ecuacion:
for unsector in ecuacion[unabaliza]:
if unsector == 'sector_rad':
print('baliza: ',unabaliza)
print(' sectores radianes: ',ecuacion[unabaliza]['sector_rad'])
if unsector != 'sector_rad':
for i_eq in ecuacion[unabaliza][unsector]:
unintervalo = ecuacion[unabaliza][unsector][i_eq]['intervalox']
unintervaloy = ecuacion[unabaliza][unsector][i_eq]['intervaloy']
error_medio = ecuacion[unabaliza][unsector][i_eq]['error_medio']
error_std = ecuacion[unabaliza][unsector][i_eq]['error_std']
eq_latex = ecuacion[unabaliza][unsector][i_eq]['eq_latex']
errorx_medio = ecuacion[unabaliza][unsector][i_eq]['errorx_medio']
errorx_std = ecuacion[unabaliza][unsector][i_eq]['errorx_std']
correlacion = ecuacion[unabaliza][unsector][i_eq]['correlacion']
print(' [sector][intervalo]: ',unsector,',',i_eq)
print(' ' + eq_latex)
print(' ','intervalox: ',np.round(unintervalo,precision))
print(' ','intervaloy: ',np.round(unintervaloy,precision))
print(' correlación: ',np.round(correlacion,precision))
print(' |error_rssi| promedio: ',np.round(error_medio,precision),
' , std:',np.round(error_std,precision))
print(' |error_dist| promedio: ',np.round(errorx_medio,precision),
' , std:',np.round(errorx_std,precision))
print()
# salida hacia archivo
with open(arch_ecuaciones, 'w') as outfile:
json.dump(ecuacion, outfile)
tabla.to_csv(arch_medUbAtrib)
# GRAFICA
# Referencias para gráfica
grupo = ['FIEC' ,'FCNM' ,'RECT','CIRC']
colores = ['green','orange','grey','magenta']
tipo = ['punto','1m' ,'gtw','dispositivo']
marcas = [ 'o','D' ,'D' ,'*' ]
if tipograf=='2D':
for unabaliza in ecuacion:
for unsector in ecuacion[unabaliza]:
if not(unsector=='sector_rad'):
figura,grafica = plt.subplots()
if escala == 'log':
grafica.set_xscale(escala,base=escalabase)
# todos los puntos
unintervalo = 'r0'
xi = eq_graf[unabaliza][unsector][unintervalo]['xi_graf']
yi = eq_graf[unabaliza][unsector][unintervalo]['yi_graf']
etiqueta = eq_graf[unabaliza][unsector][unintervalo]['etiqueta']
grafica.scatter(xi,yi,marker='.')
m = len(xi)
for i in range(0,m,1):
grafica.annotate(etiqueta[i],(xi[i],yi[i]))
# linealizado con todos los puntos
fdtxt = ecuacion[unabaliza][unsector][unintervalo]['eq_latex']
yi0 = eq_graf[unabaliza][unsector][unintervalo]['linea']
a = np.round(np.min([xi]),precision)
b = np.round(np.max([xi]),precision)
eq_texto = fdtxt +' ; ['+ str(a) +','+ str(b)+']'
grafica.plot(xi,yi0,label=eq_texto,linestyle='dotted')
# linealizado por subintervalo
eq_interv = list(ecuacion[unabaliza][unsector].keys())
eq_interv.pop(0)
n_intervalo = len(eq_interv)
for i_eq in eq_interv:
fdtxt = ecuacion[unabaliza][unsector][i_eq]['eq_latex']
grtxt = ecuacion[unabaliza][unsector][i_eq]['eqg_latex']
xi_graf = eq_graf[unabaliza][unsector][i_eq]['xi_graf']
yi_graf = eq_graf[unabaliza][unsector][i_eq]['yi_graf']
a = np.round(np.min([xi_graf]),precision)
b = np.round(np.max([xi_graf]),precision)
eq_texto = fdtxt+' ; ['+str(a)+','+str(b)+']'
grafica.plot(xi_graf,yi_graf, label=eq_texto)
# atipicos marcados en subintervalo
[xi1_e,yi1_e] = eq_graf[unabaliza][unsector][i_eq]['atipicos']
etiq1_e = eq_graf[unabaliza][unsector][i_eq]['atip_etiq']
grafica.scatter(xi1_e,yi1_e, color='red')
m = len(etiq1_e)
for i in range(0,m,1):
grafica.annotate(etiq1_e[i],
(xi1_e[i],yi1_e[i]),
color='red')
# lineas de frontera
grafica.axvline(a, color='lightblue')
valor_frontera = str(np.round(a,precision))
grafica.annotate(valor_frontera,
(a,np.max([yi,yi0])),
color='lightblue')
grafica.axvline(b, color='lightblue')
valor_frontera = str(np.round(b,precision))
grafica.annotate(valor_frontera,
(b,np.max([yi,yi0])),
color='lightblue')
# etiquetas y títulos
grafica.legend()
grafica.set_ylabel(medida+'_'+modo)
grafica.set_xlabel('distancia')
grafica.grid(True,linestyle='dotted',
axis='x', which='both')
untitulo = unabaliza+'_'+unsector+': '
untitulo = untitulo+medida+'_'+modo+' vs distancia'
grafica.set_title(untitulo)
plt.show()