Dati, PlotSpec e grafico scientifico

di Giux GX-TXT, python-it, scripts-it 3 min di lettura

Corso Python scientifico in GX-TXT · Modulo 6 · Lezione 31

Un grafico nasce da dati e da scelte di rappresentazione. Il Dataset conserva le variabili; un PlotSpec descrive quali variabili mostrare, in quale pannello e con quale presentazione. In questa lezione prepariamo e validiamo uno spec collegato alla serie sintetica del corso.

Obiettivi

  • Distinguere dati, specifica e immagine renderizzata.
  • Comporre dizionari e liste Python per descrivere una serie.
  • Collegare il grafico a identificativi stabili di Dataset e variabili.
  • Validare la specifica con PLOT_DATASET_API_v4.

Dal Dataset alla rappresentazione

Nella Sessione corso_python abbiamo pubblicato corso_python_serie_sintetica, con tempo in secondi e segnale in millivolt. I valori sono sintetici. Il PlotSpec non contiene una nuova misura: indica al programma quale Dataset leggere e come disporre la serie. Una stessa sorgente può essere rappresentata in modi diversi senza cambiare i valori originali.

La struttura contiene un elenco panels; ogni pannello può contenere un elenco series. Una serie identifica Dataset, variabile X, variabile Y, asse e tipo di traccia. Gli ID devono corrispondere a quelli effettivamente presenti nella Sessione. La posizione panels[0] indica il primo pannello della lista restituita da new_spec.

Esecuzione

Nella Sessione corso_python, importa plotspec.py, salvalo nel Python Script Workspace e avvialo con Run → Open Script Runner → Run Job.

Script del PlotSpec nel Python Script Workspace con tema Rich Dark.
Script del PlotSpec nel Python Script Workspace con tema Rich Dark.
from gxtxt import gxtxt_api_call, gxtxt_api_require

gxtxt_api_require("PLOT_DATASET_API_v4@4")
api = "PLOT_DATASET_API_v4"
info = gxtxt_api_call(api, "api_info", [])
spec = gxtxt_api_call(api, "new_spec", ["plot.dataset.xy", "Segnale sintetico"])
serie = {"id": "segnale", "dataset_id": "corso_python_serie_sintetica",
         "x_variable_id": "tempo", "y_variable_id": "segnale", "axis": "left", "kind": "line"}
spec["panels"][0]["series"] = [serie]
valido = gxtxt_api_call(api, "validate_spec", [spec])
print("API:", api)
print("Titolo:", spec["title"])
print("Dataset:", serie["dataset_id"])
print("Variabili X e Y:", serie["x_variable_id"], serie["y_variable_id"])
print("Pannello:", spec["panels"][0]["id"])
print("PlotSpec valido:", valido)

new_spec fornisce una struttura iniziale per un grafico cartesiano 2D. Il dizionario serie collega gli ID tempo e segnale; l’asse Y scelto è quello sinistro. L’assegnazione alla lista series inserisce la serie nel pannello. validate_spec controlla che la specifica sia accettabile e che i riferimenti usati rispettino il contratto. Un risultato valido non dimostra da solo che le scelte scientifiche siano appropriate: occorre leggere le unità e verificare il significato dei dati.

Output reale: identità del Dataset, variabili e validazione.
Output reale: identità del Dataset, variabili e validazione.

L’output mostra PlotSpec valido: True. Questo script prepara e valida la descrizione; la creazione e il rendering di una variante persistente sono il passo successivo. La figura seguente mostra il grafico ottenuto nel passaggio successivo usando gli stessi dati.

Grafico della serie sintetica visualizzato nella finestra grafica di GX-TXT.
Grafico della serie sintetica visualizzato nella finestra grafica di GX-TXT.

Esercizio

  1. Quale campo identifica la variabile sull’asse orizzontale?
  2. Cambiare il titolo dello spec modifica i valori del Dataset?
  3. Perché è utile validare gli ID prima di creare un grafico?

Soluzione ragionata

  1. x_variable_id, qui impostato a tempo.
  2. No: il titolo appartiene alla rappresentazione, non ai valori della serie.
  3. Permette di rilevare riferimenti non validi o struttura non conforme prima della creazione; resta comunque necessario valutare l’appropriatezza scientifica della vista.

Nella prossima lezione creiamo e visualizziamo la curva.

Scarica gli script del Modulo 06 (ZIP)

#GX-TXT #Python #Visualizzazione scientifica

Altre tappe del progetto

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *