se añade imagen en el notebook

69d0292b · Juan David Hernandez Ramirez · 2c72672d · 69d0292b
Commit 69d0292b authored 4 years ago by Juan David Hernandez Ramirez
--- a/ejercicio1.ipynb
+++ b/ejercicio1.ipynb
@@ -18,7 +18,14 @@
   "cell_type": "markdown",
   "metadata": {},
   "source": [
-    "*Imágen de referencia* <img src=\"russell.PNG\"> Imágen tomada de https://socratic.org/questions/what-is-the-hertzsprung-russell-diagram-and-why-is-it-so-important-to-astronomy-#277707"
+    "*Imágen de referencia* <img src=\"russell.PNG\"> Imágen tomada de https://socratic.org/questions/what-is-the-hertzsprung-russell-diagram-and-why-is-it-so-important-to-astronomy-#277707 "
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "![alt text](https://gitmilab.redclara.net/hernandezj/ejercicios-clase-03-datos/-/blob/master/russell.PNG)"
   ]
  },
  {

 %% Cell type:markdown id: tags:

 ## Juan David Hernández ejercicio1 clase 03

 %% Cell type:markdown id: tags:

 ### Elaborar el diagrama de Hertzprung-Russell utilizando los datos de la carpeta data. La idea es que el diagrama quede similar al de la [siguiente referencia](https://socratic.org/questions/what-is-the-hertzsprung-russell-diagram-and-why-is-it-so-important-to-astronomy-#277707). Tener presente las etiquetas de los marcadores, las unidades de los ejes y colores.

 %% Cell type:markdown id: tags:

 *Imágen de referencia* <img src="russell.PNG"> Imágen tomada de https://socratic.org/questions/what-is-the-hertzsprung-russell-diagram-and-why-is-it-so-important-to-astronomy-#277707

 %% Cell type:markdown id: tags:

+![alt text](https://gitmilab.redclara.net/hernandezj/ejercicios-clase-03-datos/-/blob/master/russell.PNG)
+
+%% Cell type:markdown id: tags:
+
 ## Contexto

 %% Cell type:markdown id: tags:

 El diagrama de Hertzprung-Russell es de las herramientas más poderosas para estudiar las estrellas. Ya que permite clasificarlas en 5 grandes grupos según su ubicación en la gráfica (supergigantes

 %% Cell type:markdown id: tags:

 Primero importamos las librerías que vamos a utilizar para realizar el diagrama. Matplotlib y pyplot se van a utilizar para graficar, numpy para utilizar algunas de sus funciones que actúan sobre vectores y pandas para leer los archivos de datos.

 %% Cell type:code id: tags:

 ``` python
 import numpy as np
 import matplotlib as plt
 import pandas as pd
 import matplotlib.pyplot
 ```

 %% Cell type:markdown id: tags:

 Primero leemos los 4 archivos de datos los cuales proporcionan información sobre enanas blancas, estrellas de la secuencia principal, gigantes y supergigantes. Para esto utilizamos la herramientas de pandas pd.read_cvs, teniendo en cuenta que dos de los archivos están separados por espacios simples y los otros dos por comas. (Para decirle a pandas que interprete los espacios como separaciones utilizamos delimiter=' ').

 %% Cell type:code id: tags:

 ``` python
 enana = pd.read_csv("~/ejercicios-clase-03-datos/data/dwarfs.csv")
 gigantes = pd.read_csv("~/ejercicios-clase-03-datos/data/giants.txt", delimiter=' ')
 supergigantes = pd.read_csv("~/ejercicios-clase-03-datos/data/supergiants.txt", delimiter=' ')
 ms = pd.read_csv("~/ejercicios-clase-03-datos/data/ms.csv")
 ```

 %% Cell type:markdown id: tags:

 Ahora utilizamos data.head() para entender los datos que hemos leído. Nos damos cuenta que tenemos 3 características de cada estrella. Luminosidad, temperatura y radio.

 %% Cell type:code id: tags:

 ``` python
 enana.head()
 ```

 %% Output

            lum         temp    radius
    0  0.000109  5050.644696  7.096930
    1  0.000128  5967.543450  4.583996
    2  0.000230  6674.161524  4.151078
    3  0.000269  7216.762974  3.491754
    4  0.000472  7795.184395  3.472736

 %% Cell type:code id: tags:

 ``` python
 gigantes.head()
 ```

 %% Output

              lum         temp      radius
    0  304.228573  3654.601099  145.483474
    1   58.884366  3808.609875   66.642938
    2    9.246982  3991.751692   27.603430
    3   58.505945  4164.818180   50.832968
    4   32.033176  4425.773883   33.290931

 %% Cell type:code id: tags:

 ``` python
 supergigantes.head()
 ```

 %% Output

                  lum          temp      radius
    0   359749.335156   3801.042587  278.055832
    1   416869.383470   4398.962354  190.278395
    2  1000000.000000   5465.163392  140.809113
    3   920449.571753   7837.395137   46.187556
    4   779830.110523  10200.701561   19.604244

 %% Cell type:code id: tags:

 ``` python
 ms.head()
 ```

 %% Output

            lum         temp    radius
    0  0.000776  3577.003926  0.814703
    1  0.002638  3691.168543  1.209778
    2  0.006823  3793.506494  1.630027
    3  0.019733  3862.471423  2.361574
    4  0.040402  3963.530109  2.910924

 %% Cell type:markdown id: tags:


 %% Cell type:code id: tags:

 ``` python
 normgigantes=plt.pyplot.Normalize(gigantes['temp'].min(),gigantes['temp'].max())

 normsupergigantes=plt.pyplot.Normalize(supergigantes['temp'].min(),supergigantes['temp'].max())

 normms=plt.pyplot.Normalize(ms['temp'].min(),ms['temp'].max())

 plt.pyplot.scatter(enana['temp'],enana['lum'],s=enana['radius'],c='white',edgecolors='gray')

 plt.pyplot.scatter(gigantes['temp'],gigantes['lum'],s=gigantes['radius'],c=gigantes['temp'],cmap=plt.cm.RdYlBu,norm=normms,linewidths=0.5,edgecolors='gray')

 plt.pyplot.scatter(supergigantes['temp'],supergigantes['lum'],s=supergigantes['radius'],c=supergigantes['temp'],cmap=plt.cm.RdYlBu,norm=normms,linewidths=0.5,edgecolors='gray')

 plt.pyplot.scatter(ms['temp'],ms['lum'],s=ms['radius'],c=ms['temp'],cmap=plt.cm.RdYlBu,norm=normms,linewidths=0.5,edgecolors='gray')

 plt.pyplot.yscale('log')
 plt.pyplot.gca().invert_xaxis()
 ```

 %% Output



 %% Cell type:code id: tags:

 ``` python
 ```