Análisis de datos de medición usando Python

Imagina que has terminado las mediciones de la descomposición de un elemento radiactivo. El experimento consistía en medir el tiempo de retraso entre las desintegraciones posteriores, que detectó con una cámara de vapor. Los tiempos se presentan en la siguiente tabla:

time1 (ms)  time2 (ms)  time3 (ms)
 0.031        0.085       11.916
 0.166        0.111        0.136
  ...          ...          ...

Todos los datos contienen 10000 filas en tres columnas.

Descargue los datos de medición y cárguelos en un numpy.array.

Calcule la desviación mínima, máxima, media y estándar de las columnas. Calcular la suma de columnas.

Luego, trace la distribución de los valores en cada columna de los datos usando pyplot.hist . La distribución de tiempos corresponde a la exponencial

P(t) = exp(-t/vida)

donde vida es el tiempo de vida del elemento radiactivo. Se estima a partir del promedio de la medición. Para cada histograma, trace la función exponencial con una línea continua. Envíe las tres figuras graficadas.

Descomposición de datos (pasé aquí solo las primeras 100 filas de desintegración de datos, solo para mostrar cómo se ve como el conjunto de datos completo):

3.083263808206034365e-02 8.535561128758625826e-02 1.191602829849370870e+01
1.662106416423668187e-01 1.116768169006780304e-01 1.362148048420523117e-01
2.297143820936225489e-01 1.325532054815251881e-01 1.986716987205587204e+00
4.518749473648398518e-01 5.403704575234539176e-01 9.587175252406064940e-01
1.864314789927862814e-01 7.991917346589729743e-01 2.448288151117707923e+00
1.192916215046009587e-02 6.310099768644017448e-01 1.094863998879948008e+00
9.607594548570588810e-02 3.254854903301082625e-02 1.468083227463129692e+00
5.140436213947186320e-03 1.404812433183796894e-01 1.949786893049227088e-01
2.616051275857136579e-02 3.158339381423735936e-02 6.215870553809951099e-02
1.557786548706348029e-01 6.665057053768869144e-01 9.156578662886032394e-01
5.541329376020973779e-02 3.389620676258784937e-01 8.138570398337186873e+00
2.995654773896149967e-02 9.885348197113381918e-02 8.093167991319294430e-01
1.552798079107937240e-02 1.999791950761978576e+00 6.725825244290188465e+00
2.931824141944816553e-01 2.583081960957027690e-01 3.759103596592605179e+00
9.592840828778242956e-02 5.766115565395933673e-02 6.708001666328263779e-01
4.136958415772021280e-02 1.898575842228417132e-01 1.891491269005215248e+00
2.396411650140813782e-03 7.949008109139942269e-01 4.116579521234567274e+00
2.868889823975467879e-01 1.219070293892286605e+00 1.201722894992125340e-01
3.266324248136622810e-01 1.412240174288786010e+00 1.678658348826798763e+00
8.635105215457690442e-02 2.103351256578944173e-01 2.152466552805280653e+00
7.679170240889754417e-02 1.857586603776099354e-01 8.368385288231735331e+00
2.430353454741260577e-01 8.922826332317566889e-02 4.223960305043118701e+00
1.045796431282345999e-02 1.406908323092582958e+00 1.400013302122113723e+00
6.409942557116837109e-03 4.109690835751730886e-01 4.804713384405287613e+00
5.102797776914056588e-02 5.201348306125604948e-01 2.439872002572467946e-01
6.412042051030983347e-02 6.920627725243678752e-01 4.553199845395185519e-01
3.004822258651989597e-01 3.922368461045968036e-01 4.726399941492632983e+00
1.148590647347283861e-01 2.948504476703489030e-01 4.897618906500661673e+00
2.486991083281100620e-02 3.510929616312873369e-01 1.195163503910854130e+00
7.318465409987007231e-02 9.397568277485249810e-01 4.202799314987888946e-01
3.563173947871639546e-02 3.952151720229644671e-01 2.494848563870630365e+00
1.435038168995556029e-01 1.542381404844364590e-01 1.461595349365299779e+00
5.660023164379084371e-01 1.934693461628446798e+00 1.331210445192501646e-01
1.158363932915586481e-01 1.292478893372793758e-01 1.671636378219158559e+00
9.868306990797761843e-03 6.436944202274207383e-01 7.350096243946475649e-01
2.605431442313885931e-02 1.916884265713973967e-01 1.814779474994880903e-01
9.085384253871764404e-02 3.687469146064628056e-01 7.179386295708967136e-01
2.474707503143349363e-01 1.059305831866153902e+00 7.765062938312868646e+00
1.692627393307355455e-02 8.528726973318391524e-02 2.628186680410705911e+00
9.038776645312915359e-02 1.011429404897815632e+00 4.820823224215137870e+00
2.675192766297029845e-02 6.424388083238908864e-01 1.191473648882545477e+00
1.311391835002208572e-01 7.365443675913758981e-02 4.016630569295467357e-01
2.867909615290066896e-02 3.518351858092491069e-01 1.892731877621500525e+00
3.372757018094304365e-02 3.440074680383958250e-01 1.193679220848138156e+00
1.417928380643824482e-01 3.631440791171771099e-01 3.303331651228546662e+00
4.356814716880215155e-01 4.865846466894075961e-01 1.081138680543505259e+00
3.204320870673367516e-02 6.479966183105356770e-02 2.815510153680153671e+00
2.809159115138281163e-02 4.261083807534921108e-02 5.420227193694804768e+00
1.348965309382035571e-01 5.033474118301798361e-01 1.072556345834147251e+01
9.931433605360735772e-02 8.313176192255290475e-01 3.931020871110054937e+00
2.805736325363597516e-01 8.531582827547050663e-01 4.721547669411821357e-01
4.971957963112597079e-02 2.493943264807521876e-01 2.001701249368758262e+00
2.842285402383570858e-02 1.004106336416267231e-01 1.959333792898371840e+00
4.968998602825209360e-02 7.604678719623803040e-01 4.194778144542073761e+00
2.536922664896746477e-02 9.058466492254161340e-01 1.143013206198183029e+00
8.454702222927072339e-03 1.316560227643937542e-01 1.783663303349602547e+00
1.281752859109276110e-01 2.030179322800672662e-02 6.049810445425872985e+00
2.706845258156505563e-01 3.215078185648397313e-01 2.576084379037658856e+00
4.836713258128295251e-02 2.551931742976505380e-01 7.588328637068533666e+00
1.004960976876323464e-01 6.197086580300582570e-01 6.308570694065707141e-01
1.258877424980497234e-02 1.026145355143292637e+00 2.674010717107291768e+00
2.401431450920179511e-01 1.236690574866056019e-01 4.983538630762299748e-01
3.615234569042448387e-02 4.148853049143308436e-01 7.452217925911985841e-01
1.360210538133376779e-01 1.123579239663760498e+00 9.000868539240507449e-01
3.674847587437926055e-01 2.938210691227948704e-03 7.045560043382535831e+00
2.926868881850728799e-01 3.948230782264559868e-02 1.205412930545630701e+00
2.370641242938710536e-01 4.155108948352552178e-01 3.965895897219608446e-01
2.272654147893495014e-02 2.264745255037452498e-01 1.342471684251323572e+00
6.940716544298170324e-03 5.551850569851403405e-02 1.760419141517627795e+00
4.505207225710310126e-02 1.681914202749616727e-01 5.980271429297521202e+00
1.946940579599893972e-01 1.382611609377113748e-01 1.274918141194956389e+00
1.156157967612539139e-01 2.227929322970024495e-01 2.003658015043587870e+00
3.212421634682440658e-02 8.566614750824436131e-01 2.615371459486972139e+00
3.463791779698738305e-02 1.156249266094892425e+00 2.656334521114858127e+00
1.750090824733406547e-01 2.002270549315446069e-01 5.781268283780298667e+00
2.579545883306395837e-02 8.500747927096166667e-02 2.644711638779046470e-01
1.768682827919335343e-01 8.049882758142022920e-01 1.231277741187197794e+00
1.218003153674040578e-01 8.621117379984020168e-01 4.383007454158229343e+00
2.716996565401414432e-01 2.316462977242636501e-01 6.385610142869139194e-01
8.337999360801652549e-02 1.816379776962463444e-01 2.043861117563415153e+00
3.918566368054681413e-03 3.506295505580760974e-01 4.660971661820328404e-01
2.958139191406662927e-01 2.653251751052727592e-01 1.413783333088425742e+00
1.372796988477465244e-02 1.502031361881024929e-01 3.562569107913711453e-02
9.732310023136755972e-02 6.783387279808443804e-01 2.011147415615762934e+00
4.221867602794415059e-02 9.584551049426017766e-01 3.987983403718562414e+00
2.389931695073335347e-02 2.462895907850180532e-01 7.798393827696407321e+00
2.697439298389408754e-02 2.144187233380183133e-01 1.365538733582198461e+00
2.321244969369677669e-02 2.493302093953681187e+00 4.139106686823669778e-01
5.688546049531410104e-02 1.269690772054697714e+00 7.597604936475897963e-01
2.324039110081012882e-01 6.163467248071726745e-01 2.992696570626227071e-01
1.381417896009525526e-01 4.688900720736573491e-01 2.328042789827784009e+00
1.981353157075804727e-01 3.994944919098705749e-02 5.548303925064598019e+00
3.439538407086133870e-02 3.006159480126472938e-01 7.897749144929858689e-01
1.126786201920867286e-01 3.226154021056691634e-02 2.350581310312473526e+00
7.375166634842798830e-02 1.398400888111591689e+00 2.360066928932549324e+00
7.060752831453159795e-02 1.594207211675447766e+00 1.784335374814015163e+00
1.139812461323148479e-01 1.020089923860643399e-01 1.196307276926338037e-01
1.030620050408410926e-02 1.040442634494220142e+00 4.120684453735444563e+00
1.014285870078016627e-01 8.211433274145052419e-01 7.240689597148528556e-01
8.287375250220341272e-02 4.480620670418062335e-01 2.061936865892757709e+00

Lo que he intentado resolver es:

import math as m
np.array([    ])
def calc_a(t)

data = []

d = np.array(data)
data.append([          ])

d = np.arry(data)
return d

d1 = calculate_minimum(    )
d2 = calculate_maximum(    )
d3 = calculate_average(    )
d4 = calculate_standarddeviationcolumn(    )
d5 = calculate_sumcolumn(    )

plt.plot(d1[:, ],d1[:, ]," ",label="=  ") 
plt.plot(d2[:, ],d2[:, ]," ",label="=  ") 
plt.plot(d3[:, ],d3[:, ]," ",label="=  ") 
plt.plot(d4[:, ],d4[:, ]," ",label="=  ") 
plt.plot(d5[:, ],d5[:, ]," ",label="=  ") 

d = np.loadtxt("decay.txt")
plot.plot(d[:, ], 

pyplot.hist(   )
plt.label("  ()")
plt.label("  ()")
plt.legend(   )
plt.show(   )

No puedo resolver completamente el algoritmo. Debo encontrar el código apropiado para ejecutar un programa que permita realizar las tareas solicitadas.

Gracias.

Answer