|
|
|
## Descripción
|
|
|
|
|
|
|
|
A continuación encontrarás la descripción de este ejercicio cuyo objetivo es que aprendas a como plotear y representar datos (latencias en nuestro caso), de una manera correcta usando python, matplotlib, histogramas, etc.
|
|
|
|
En este ejercicio aprenderás cómo graficar y representar datos (latencias en nuestro caso) de manera correcta utilizando Python, `matplotlib`, histogramas, y otras herramientas.
|
|
|
|
|
|
|
|
Aquí podrás encontrar los ficheros de datos que ya contiene toda la información que debes representar:
|
|
|
|
- ide-nonrt.csv: CSV de costes y latencias en RBPi no RT, con el sistema idle
|
|
|
|
- idle-rt.csv: CSV de costes y latencias en RBPi RT, con el sistema idle
|
|
|
|
- hb-nonrt.csv: CSV de costes y latencias en RBPi no RT, con el sistema usando hackbench
|
|
|
|
- hb-nonrt.csv: CSV de costes y latencias en RBPi RT, con el sistema usando hackbench
|
|
|
|
Se te proporcionan varios archivos CSV que contienen la información que debes representar:
|
|
|
|
|
|
|
|
- `ide-nonrt.csv`: CSV con los costes y latencias en una Raspberry Pi (no RT), con el sistema en estado idle.
|
|
|
|
- `idle-rt.csv`: CSV con los costes y latencias en una Raspberry Pi (RT), con el sistema en estado idle.
|
|
|
|
- `hb-nonrt.csv`: CSV con los costes y latencias en una Raspberry Pi (no RT), utilizando hackbench.
|
|
|
|
- `hb-rt.csv`: CSV con los costes y latencias en una Raspberry Pi (RT), utilizando hackbench.
|
|
|
|
|
|
|
|
### Entorno
|
|
|
|
|
|
|
|
Se recomienda utilizar notebooks de jupyter, ya sea utilizando jupyter o visual code. También puedes utilizar python3 directamente.
|
|
|
|
Se recomienda utilizar Jupyter Notebooks, ya sea a través de Jupyter directamente o utilizando Visual Studio Code con la extensión de Jupyter. También puedes ejecutar los scripts directamente en Python3 si lo prefieres.
|
|
|
|
|
|
|
|
### Lectura de los ficheros
|
|
|
|
|
|
|
|
Utiliza la librería [pandas](https://pandas.pydata.org/docs/reference/api/pandas.read_csv.html) para leer los ficheros y comprueba que puedes visualizar los datos correctamente.
|
|
|
|
Utiliza la librería [pandas](https://pandas.pydata.org/docs/reference/api/pandas.read_csv.html) para leer los archivos CSV y verifica que puedes visualizar los datos correctamente.
|
|
|
|
|
|
|
|
### Representacion de los datos
|
|
|
|
### Representación de los datos
|
|
|
|
|
|
|
|
Intenta generar 2 plots similares al que ves abajo. Uno para el escenario idle, y otro para el escenario hackbend. Utiliza [matplotlib](https://matplotlib.org/) y la [función de histograma](https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.hist.html) para realizar este tipo de plots. Asegurate que los plots se leen correctamente, fuentes grandes, y las unidades en los ejes.
|
|
|
|
Genera dos gráficos, uno para el escenario idle y otro para el escenario hackbench. Utiliza [matplotlib](https://matplotlib.org/) y su [función de histograma](https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.hist.html) para crear los gráficos. Asegúrate de que los gráficos sean claros, con etiquetas en los ejes, fuentes legibles, y unidades correctamente indicadas.
|
|
|
|
|
|
|
|
|
|
|
|
Ejemplo de cómo deberían verse los gráficos:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### Cálculo de la desviación estándar
|
|
|
|
|
|
|
|
Puedes calcular la desviación estándar fácilmente utilizando la librería numpy y su función std. Eso sí, asegurate que los datos están normalizados.
|
|
|
|
|
|
|
|
Cálcula la desviación estándar de las latencías y costes en los 2 escenarios.
|
|
|
|
Usa la librería [NumPy](https://numpy.org/doc/stable/reference/generated/numpy.std.html) para calcular la desviación estándar (`std`) de las latencias y los costes en los dos escenarios (idle y hackbench). Asegúrate de que los datos están normalizados antes de calcular la desviación estándar.
|
|
|
|
|
|
|
|
IDLE
|
|
|
|
| | non-RT | RT |
|
| ... | ... | @@ -40,4 +40,3 @@ HACKBENCH |
|
|
|
| ------ | ------ | ------ |
|
|
|
|
| std-latencia | | |
|
|
|
|
| std-coste | | | |
|
|
|
|
