|
<< Clique para Mostrar o Sumário >>
Exercícios Complementares |
1.Na pasta Meus Documentos, em Documents\Elipse Software\EPM Studio\Plugins, crie uma nova pasta para o plug-in chamada Filtros.
2.Insira nessa pasta o ícone do plug-in do exercício anterior e crie um arquivo chamado filtros.py.
3.Edite o arquivo no editor de scripts, colando a função do filtro da média móvel realizado nos exercícios do console Python.
4.Renomeie a função para plugin_filtroMediaMovel():.
5.Tente adaptar a função para que funcione como um plug-in, usando como exemplo os plug-ins criados no exercício anterior.
6.Como dica, desenhe a Pena filtrada usando a função ep.plotValues("NomePena", VariavelFiltrada) ao final do script do plug-in.
7.Com esta alternativa, o usuário deve executar a consulta, selecionar a Pena e aplicar o plug-in. Não é necessário saber parâmetros das funções ou escrever no console, mas também não elimina a possibilidade de continuar usando as informações no console em conjunto com a aplicação de um plug-in.
NOTAS |
O Python é uma linguagem riquíssima em bibliotecas. A seguir, algumas sugestões interessantes para se conhecer: •NumPy (numpy.org): Pacote básico para computação científica em Python. Neste pacote é definido um objeto de matriz n-dimensional que viabiliza a realização de operações matriciais de maneira simples e eficiente, além de inúmeras funcionalidades matemáticas, como álgebra linear, cálculo de derivadas e integrais, transformada de Fourier e operações com polinômios, entre outras. •SciPy (scipy.org): Esta biblioteca utiliza a biblioteca NumPy como base para a implementação de inúmeros outros algoritmos para computação científica, como interpolações, otimizações, resolução de equações diferenciais, integração numérica, análises de dados e estatísticas, entre outros. •matplotlib (matplotlib.org): Para a geração de gráficos mais avançados (histogramas, pizza, barra, 3D, box-plot, polar e diagrama de bode, entre outros), com maior flexibilidade de definição de layouts e com possibilidade de criar interações. Visite a galeria de imagens em www.matplotlib.org/gallery. •pandas (pandas.pydata.org): Para análises mais avançadas, como cálculos estatísticos e mineração de dados, recomenda-se avaliar esta biblioteca. •IPython Notebook (ipython.org/notebook.html): Ambiente ideal para testes, análises e documentação, tudo na mesma ferramenta. Sua interface é através do navegador e proporciona uma visualização no estilo Cookbook. |