fork download
  1. import numpy as np
  2. import matplotlib.pyplot as plt
  3.  
  4. class DataAnalysisApp:
  5. def __init__(self, data):
  6. self.data = data
  7.  
  8. def perform_analysis(self):
  9. # Realizar cálculos complejos y análisis estadísticos
  10. analysis_results = {
  11. "mean": np.mean(self.data),
  12. "median": np.median(self.data),
  13. "std_dev": np.std(self.data),
  14. # Agregar más estadísticas según sea necesario
  15. }
  16. return analysis_results
  17.  
  18. def visualize_data(self):
  19. # Visualizar los datos analizados a través de gráficos y cuadros
  20. plt.figure(figsize=(10, 6))
  21. plt.hist(self.data, bins=20, color='skyblue', edgecolor='black')
  22. plt.title('Histograma de Datos')
  23. plt.xlabel('Valores')
  24. plt.ylabel('Frecuencia')
  25. plt.grid(True)
  26. plt.show()
  27.  
  28. # Ejemplo de uso
  29. if __name__ == "__main__":
  30. # Datos de ejemplo (pueden ser sustituidos por tus propios datos)
  31. data = np.random.normal(loc=0, scale=1, size=1000)
  32.  
  33. # Crear instancia de la aplicación de análisis de datos
  34. app = DataAnalysisApp(data)
  35.  
  36. # Realizar análisis de datos
  37. analysis_results = app.perform_analysis()
  38. print "Resultados del análisis:"
  39. for key, value in analysis_results.items():
  40. print "{0}: {1}".format(key, value)
  41.  
  42. # Visualizar los datos
  43. app.visualize_data()
  44.  
Success #stdin #stdout 0.64s 56012KB
stdin
Standard input is empty
stdout
Resultados del análisis:
std_dev: 0.994163596034
median: 0.027947564912
mean: 0.0295196493879