La fédération
Intranet
Calcul profils verticaux
Les outils classiques de calculs de régressions sont la plupart du temps simplistes et ne prennent pas en compte les potentielles erreurs sur les données. En conséquence, j’ai écrit le module Python [*pyVertProf*] pour palier à ce problème, et permettre l’obtention de statistiques et de graphiques plus poussés.
Le projet est hébergé par Github (https://github.com/robertxa/pyVertProf) et Pypi (https://pypi.python.org/pypi/pyVertProf). Il n’est pas parfait et il reste probablement quelques bugs. Ne pas hésiter à me faire remonter l’information ou des commentaires pour améliorer l’outil.
Installation
Le module peut être installé en utilisant pip dans un terminal :
[(
login$ pip install pyVertProf
)]
Ou en téléchargeant les sources, puis en utilisant le setup :
[(
login$ cd [path_de_l’archive]
login$ python setup.py install
)]
Le module peut être mis à jour en utilisant aussi pip dans un terminal :
[(
login$ pip install -U pyVertProf
)]
Exemple
Ce graph a été obtenu en utilisant dans une console Python une commande du type (version 2.0) :
[(
>>> from pyVertProf import vertprofile
>>> vertprofile(datafnme = (u’testAFT.txt’, u’testAHe.txt’) , work_dir = (u’pyVertProf/test’,u’pyVertProf/test’), header = (1,1), struct = ([1,2,3,4],[1,2,3,4]), labelx = ’Ages (My)’, labely = ’Elevation (km)’, labeldata = (u’AFT’, u’AHe’), rangex = [0,26], rangey = [1.5,3.7], statstypes = [0,1,2,3], confprob = 95.0, fontsz = 10, fontleg = 9, output = ’graph1’)
)]
Se référer à la documentation en ligne pour connaître les options de la nouvelle version 2.0 qui a été portée pour Python 3 et qui permet le calcul ainsi que la construction d’un unique graphique à partir de plusieurs sets de données.
Ce graph a été obtenu en utilisant dans une console Python une commande du type (version 1.0) :
[(
>>> from pyVertProf import vertprofile
>>> vertprofile(datafnme = u’test.txt’, work_dir = u’test’, header = 1, struct = [1,2,3,4], labelx = ’Ages (Ka)’, labely = ’Depth (m)’, rangex = [0,8], rangey = [10,4], statstypes = [0,1,2,3], confprob = 95.0)
)]