49 Ejercicio Final - Parte 1: exploración visual de datos

En este emocionante cierre de curso, nos embarcaremos en un ejercicio final aplicando las buenas prácticas recomendadas en nuestro recorrido. El desafío que enfrentamos es intrigante: tenemos dos archivos CSV que contienen datos de temperatura registrados por torres de termopares, cada una con 12 puntos de medición, y nuestro objetivo es graficar la temperatura promedio de cada conjunto de 12 puntos cada 10 minutos a lo largo del tiempo. Este problema se divide en tres videos, y en esta primera parte nos enfocaremos en una exploración rápida de los datos para decidir cómo limpiarlos al importarlos. En los siguientes videos, importaremos los datos, los limpiaremos y los prepararemos para el análisis, y finalmente, en el tercer video, cargaremos los datos y obtendremos la gráfica deseada.

50 Problema

Dos torres con 12 termopares cada una. Se desea calcular el promedio cada 10 minutos de las temperaturas de cada torre y compararlas en una gráfica de las 12 a las 17 horas.

import pandas as pd

f = '../data/termopares/centro_cafeteria.csv'
Tcafe = pd.read_csv(f,index_col=0,parse_dates=True)

f = '../data/termopares/exterior.csv'
Text = pd.read_csv(f,index_col=0,parse_dates=True)

Tcafe.info()

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 1632 entries, 2023-04-03 10:48:00 to 2023-04-04 13:59:00
Data columns (total 12 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   TMP1    471 non-null    float64
 1   TMP2    471 non-null    float64
 2   TMP3    471 non-null    float64
 3   TMP4    471 non-null    float64
 4   TMP5    471 non-null    float64
 5   TMP6    471 non-null    float64
 6   TMP7    471 non-null    float64
 7   TMP8    471 non-null    float64
 8   TMP11   454 non-null    float64
 9   TMP12   454 non-null    float64
 10  TMP10   454 non-null    float64
 11  TMP9    454 non-null    float64
dtypes: float64(12)
memory usage: 165.8 KB

Text.info()

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 1619 entries, 2023-04-03 11:01:00 to 2023-04-04 13:59:00
Data columns (total 12 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   TMP1    1619 non-null   float64
 1   TMP10   1619 non-null   float64
 2   TMP11   1619 non-null   float64
 3   TMP12   1619 non-null   float64
 4   TMP2    1619 non-null   float64
 5   TMP3    1619 non-null   float64
 6   TMP4    1619 non-null   float64
 7   TMP5    1619 non-null   float64
 8   TMP6    1619 non-null   float64
 9   TMP7    1619 non-null   float64
 10  TMP8    1619 non-null   float64
 11  TMP9    1619 non-null   float64
dtypes: float64(12)
memory usage: 164.4 KB

Tcafe.plot(figsize=(12,2))

Text.plot(figsize=(12,2))

Text.plot(figsize=(12,10),subplots=True);

Text.describe()

	TMP1	TMP10	TMP11	TMP12	TMP2	TMP3	TMP4	TMP5	TMP6	TMP7	TMP8	TMP9
count	1619.000000	1619.000000	1619.000000	1619.000000	1619.000000	1619.000000	1619.000000	1619.000000	1619.000000	1.619000e+03	1619.000000	1619.000000
mean	27.857400	28.032980	27.793535	27.359272	27.713543	27.501829	27.452916	18.674083	27.485951	-8.960000e+00	27.598910	28.734695
std	4.994949	5.186105	5.267671	5.321998	4.972734	5.060342	5.148783	275.614825	4.884075	1.776906e-15	4.898396	5.123670
min	-8.240000	-7.920000	-8.860000	-7.770000	19.270000	-8.540000	-8.780000	-10194.370000	-8.340000	-8.960000e+00	-7.440000	-7.800000
25%	23.840000	23.740000	23.470000	22.975000	23.470000	23.335000	23.240000	23.790000	23.490000	-8.960000e+00	23.530000	24.540000
50%	27.105000	27.305000	27.045000	26.570000	26.895000	26.755000	26.660000	27.065000	26.920000	-8.960000e+00	26.930000	27.960000
75%	32.250000	32.585000	32.335000	31.870000	32.030000	31.880000	31.940000	31.580000	31.600000	-8.960000e+00	31.890000	33.250000
max	37.850000	38.940000	40.105000	39.370000	37.940000	37.790000	37.850000	37.035000	37.370000	-8.960000e+00	37.460000	39.470000

49 Ejercicio Final - Parte 1: exploración visual de datos

50 Problema

51 Limpieza de Text

52 Limpieza de Tcafe

53 Ambos conjuntos, datos de 12 a 5pm