Ya que no tengo acceso a tus datos, para este ejemplo generaré unos datos aleatorios, que se parezcan superficialmente a los tuyos:
import random
def random_row():
return [22+random.random(), 73+random.random()/10,
0.5+random.random()/10, 1067.5,
random.randrange(1,7)]
M = [ random_row() for i in range(20)]
M tiene esta pinta:
[[22.68126613889345, 73.0057696007351, 0.5565843334553301, 1067.5, 1],
[22.15548802467382, 73.03800283269302, 0.5859144624897701, 1067.5, 4],
[22.636175216416838, 73.03074273340518, 0.5812322674529596, 1067.5, 4],
[22.75910540547213, 73.05377062031245, 0.5669467653723504, 1067.5, 1],
[22.941376511789063, 73.08149558217094, 0.5059731459528295, 1067.5, 3],
[22.61298878857939, 73.07970096992766, 0.5020074822402955, 1067.5, 3],
[22.24859842841925, 73.02286016921904, 0.5140236040045504, 1067.5, 5],
[22.193585603392542, 73.00484979334807, 0.5320641268108752, 1067.5, 2],
[22.224968874493833, 73.07667990616066, 0.5757574110288602, 1067.5, 3],
[22.76610517862379, 73.05820454432413, 0.5341395222433802, 1067.5, 4],
[22.555035159495223, 73.06135380948234, 0.5613531314946592, 1067.5, 1],
[22.755221456347908, 73.08201727774562, 0.5799244561183791, 1067.5, 3],
[22.642936441611837, 73.0888657256796, 0.5949810318596735, 1067.5, 1],
[22.627783144335986, 73.01858744552764, 0.5181457282824524, 1067.5, 1],
[22.59716595441671, 73.05763920448436, 0.5633147404466163, 1067.5, 2],
[22.390928912376264, 73.03575820302872, 0.5993740645154576, 1067.5, 6],
[22.698658312517704, 73.05329864176538, 0.5158616073268263, 1067.5, 4],
[22.97945392442473, 73.0262503418333, 0.5918265444469861, 1067.5, 6],
[22.167365138455388, 73.03890842820707, 0.5900660404258454, 1067.5, 3],
[22.928726892057895, 73.08067811529556, 0.5149996550372056, 1067.5, 6]]
Ahora quieres extraer sólo las "filas" que tengan un cierto "árbol" en la posición 5 de la fila. Es fácil crear una función que haga esto, y que retorne como resultado una lista con las filas encontradas:
def separar_arbol(M, arbol):
aux = []
for fila in M:
if fila[4]==arbol:
aux.append(fila)
return aux
Esta función recibe como parámetros la matriz total M
y el número del árbol en que estamos interesados. Crea una lista auxiliar (inicialmente vacía) que contendrá el resultado a retornar. Se trata simplemente de iterar sobre las filas de M
y añadir a la auxiliar las filas que tengan el arbol en cuestión en fila[4]
.
Fíjate en la forma en que escribí el bucle. No uso índices como i
, j
para acceder después a M[i][j]
, como es lo habitual en otros lenguajes como C. Python te permite iterar directamente sobre los contenidos de una lista, sin tener que referirte a ellos mediante subíndices. De este modo queda mucho más legible y compacto, en mi opinión.
Obtener los datos del árbol 1 es tan simple como:
datos_arbol_1 = separar_arbol(M, 1)
Este sería el resultado:
[[22.68126613889345, 73.0057696007351, 0.5565843334553301, 1067.5, 1],
[22.75910540547213, 73.05377062031245, 0.5669467653723504, 1067.5, 1],
[22.555035159495223, 73.06135380948234, 0.5613531314946592, 1067.5, 1],
[22.642936441611837, 73.0888657256796, 0.5949810318596735, 1067.5, 1],
[22.627783144335986, 73.01858744552764, 0.5181457282824524, 1067.5, 1]]
Actualización
Puede simplificarse mucho más si se hace uso de una potente sintaxis que tiene Python, llamada list comprehensions. Es más fácil ver un ejemplo que tratar de explicarlo:
datos_arbol_1 = [ fila for fila in M if fila[4]==1 ]
En este caso no necesitamos de la función separar_arbol()
, ni de listas auxiliares. Esa única línea iterará sobre los elementos de M, quedándose sólo con los que cumplan el if
y construyendo como resultado una lista que es la que finalmente ira a datos_arbol_1
.
No obstante, para procesamiento y representación de datos organizados en tablas, como es tu caso, la práctica común y extendida es usar la biblioteca pandas
. Aunque al principio puede que te cueste comprender su uso y sintaxis, si prevés que vas a tener que tratar a menudo con este tipo de problemas, definitivamente te compensará a la larga aprenderla. Si estás interesada, puedo poner una respuesta que use pandas
para este procesamiento (pero sería más fácil si pudieras poner un enlace al fichero de datos, o al menos pegar como texto en la pregunta parte de ese fichero).
Actualización 2: pandas
La biblioteca pandas está especialmente diseñada para trabajar con "dataframes", que pueden entenderse como una especie de tablas excel. De hecho puede leer directamente ficheros excel, csv, y otros muchos formatos. Una vez lo has leído, tienes la posibilidad de hacer casi cualquier cosa con los datos, como extraer ciertas columnas, las filas que cumplan cierta condición, hallar promedios, recuentos, desviaciones típicas, etc.
Para comprender y sacar partido de esta enorme biblioteca, tendrás que leerte la documentación o alguno de los muchos libros existentes. Pero sólo para abrir el apetito, aquí tienes algunos ejemplos:
Leer los datos
Supongamos que están en el archivo "OArbolesvila4.txt"
. Ya que no sé exactamente qué significan las cuatro primeras columnas las llamaré "x", "y", "z", y "k". A la quinta la llamaré "arbol". Leer el archivo es tan simple como:
>>> import pandas as pd
>>> df = pd.read_table("OArbolesvila4.txt", header=None,
names=["x", "y", "z", "k", "arbol"])
Una vez leido podemos, por ejemplo, contar cuántas filas tiene, ya que en este caso df
se comporta como si fuera una lista:
>>> len(df)
608
Filtrar datos
Pero no es una lista normal, tiene "superpoderes" ya que admite expresiones booleanas entre los corchetes, para cosas como extraer sólo los datos correspondientes al arbol 1:
>>> arbol1 = df[df.arbol == 1]
>>> # y ver cuántos son estos datos
>>> len(arbol1)
200
Procesar datos
También dentro de los corchetes puedes poner una lista con nombres de columnas, y entonces extraerá sólo las columnas en cuestión, sobre las cuales puedes hacer operaciones estadísticas, gráficas, etc. Hallar, por ejemplo, el promedio de las columnas "x" e "y" para los datos extraidos del árbol 1:
>>> arbol1[["x", "y"]].mean()
x 22.89170
y 73.12552
dtype: float64
Y mucho más
Tiene muchos métodos más, que permiten cosas como por ejemplo agrupar los datos según el número del árbol para después aplicar una función "recuento" que permita saber cuántos datos hay en cada grupo, tomando por ejemplo la columna k (contará cuántos datos hay en esta columna para cada árbol):
>>> df.groupby("arbol").count().k
arbol
1 200
2 61
3 66
4 281
Name: k, dtype: int64
O cuál es el promedio de cada una de las columnas x, y, z, k agrupadas por el número de árbol:
>>> df.groupby("arbol").mean()
x y z k
arbol
1 22.891700 73.125520 0.552290 1067.533500
2 35.744426 73.292279 0.549164 1068.511475
3 19.364394 71.962955 0.571121 1067.271212
4 33.428256 76.393915 0.559299 1068.344484
Observa cómo todo esto puede hacerse en un intérprete interactivo (te recomiendo IPython o Jupyter notebook), y cómo pandas es capaz de imprimir los resultados en forma organizada y tabulada.
Gráficas!
Para cerrar, hagamos un gráfico de las columnas x, y, lo que asumo que serán las coordenadas de los árboles, y así veremos cuatro clusters, uno por árbol:
>>> df.plot(x="x", y="y", kind="scatter")
