Ejercicios · Bloque 4: Entrada/Salida, Cadenas y Computación Científica
15 ejercicios resueltos paso a paso. · Página 1 de 2 (ejercicios 1 al 10)
4.1 Ficheros
1.
Desarrollar una función leer_dataset_limpio(ruta_archivo) que abra un archivo de datos tabulados en UTF-8, ignore las líneas vacías y las que comiencen con el símbolo de comentario '#', y devuelva una lista de listas de números float con los datos numéricos.
Para leer e ingerir datasets tabulados de laboratorio empezaremos por abrir el fichero mediante context managers en codificación UTF-8, filtraremos las líneas vacías y comentarios almohadilla y convertiremos las columnas numéricas a valores float.
Escribir una función exportar_series(tiempos, senales, ruta_salida) que reciba dos listas numéricas de igual tamaño y genere un archivo de texto con columnas alineadas mediante f-strings con formato de 12 caracteres y 4 decimales.
Para generar archivos de datos exportables y legibles empezaremos por comprobar la concordancia dimensional de las dos series temporales, abriremos el archivo de salida con gestor de contexto y escribiremos las columnas alineadas con formato de doce caracteres.
Implementar una función contar_palabras_fichero(ruta_archivo) que procese un texto en UTF-8 y retorne un diccionario con la frecuencia de cada palabra en minúsculas, descartando los signos de puntuación básicos.
Para construir un índice de frecuencia léxica en documentos científicos empezaremos por leer el contenido del archivo con gestor de contexto en UTF-8, eliminaremos los signos de puntuación sustituyéndolos por espacios y contabilizaremos las frecuencias en minúsculas en un diccionario.
Desarrollar una función sincronizar_sensores(ruta_a, ruta_b, ruta_fusion) que lea dos ficheros CSV con marcas temporales y lecturas de sensores independientes, encuentre los instantes comunes y escriba un nuevo archivo consolidado.
Para sincronizar las series temporales de dos sensores experimentales empezaremos por cargar las lecturas en sendos diccionarios indexados por tiempo, calcularemos la intersección cronológica de instantes y exportaremos el archivo consolidado multicanal.
Desarrollar una función procesar_por_bloques(ruta_entrada, ruta_salida, tamano_bloque=1000) que procese un dataset de millones de registros numéricos leyendo bloques de líneas sin colapsar la RAM, calculando la media de cada bloque y guardándola en el fichero destino.
Para procesar grandes volúmenes de datos experimentales empezaremos por abrir simultáneamente los ficheros de entrada y salida, leeremos secuencialmente los datos acumulando lotes temporales en memoria y volcaremos la media aritmética de cada bloque para minimizar el consumo espacial.
Desarrollar una función calcular_contenido_gc(secuencia_adn) que tome una cadena de nucleótidos (A, T, G, C), ignore posibles minúsculas o espacios accidentales, y calcule el porcentaje de guanina y citosina mediante la relación estequiométrica entre la suma de G y C frente al total de bases.
Para determinar el contenido de guanina y citosina en hebras de ADN funcionalizadas empezaremos por normalizar la secuencia eliminando espacios y convirtiendo a mayúsculas, calcularemos las frecuencias de G y C mediante el método count y obtendremos el porcentaje estequiométrico final.
Desarrollar una función normalizar_ela_geminada(texto) que busque en una cadena de texto en catalán cualquier ocurrencia de ela geminada con punto medio separado y la transforme canónicamente al carácter Unicode compacto U+0140 o U+013F seguido de l o L.
Para estandarizar registros lingüísticos en bases de datos científicas empezaremos por identificar las variantes de punto medio en minúscula, aplicaremos la sustitución al carácter Unicode compacto y realizaremos el tratamiento análogo para variantes en mayúscula.
Desarrollar una función validar_muestra_nano(codigo) que compruebe si una etiqueta de probeta sigue rigurosamente el patrón NANO-XXXX-BATCH_YY, donde XXXX son 4 caracteres alfabéticos en mayúscula y YY son exactamente 2 dígitos numéricos.
Para verificar la trazabilidad de muestras en salas blancas empezaremos por descomponer la etiqueta en tres bloques mediante guiones, validaremos los métodos de clase para caracteres en mayúscula y comprobaremos la estructura numérica del identificador de lote.
Desarrollar una función parsear_magnitud_fisica(cadena) que reciba lecturas experimentales con formato de número y unidad separadas, extrayendo en una tupla el valor numérico en float y la unidad física en str, lanzando ValueError ante formatos anómalos.
Para procesar lecturas procedentes de instrumentación experimental empezaremos por aislar los componentes mediante separadores espaciales, validaremos la presencia exacta de valor y unidad y convertiremos la magnitud a coma flotante preservando la cadena de unidad.
Desarrollar una función hebra_reversa_complementaria(secuencia) que reciba una cadena de ADN y genere su hebra complementaria invertida en sentido 5 prima a 3 prima, sustituyendo cada base por su par canónico e invirtiendo la dirección espacial.
Para construir la hebra complementaria inversa de oligonucleótidos funcionalizados empezaremos por definir la tabla de sustitución para las bases canónicas, traduciremos la secuencia mediante el método translate e invertiremos el orden de los nucleótidos mediante indexación con paso negativo.
Solo los usuarios registrados pueden acceder a las soluciones completas de los ejercicios y al reproductor interactivo de ejercicios y de teoría.
🎁
¡Promoción de lanzamiento!
El acceso es gratuito de por vida y sin necesidad de introducir datos de pago para los 100 primeros usuarios registrados. A partir de los 100 primeros costará 4,99 €/mes (+IVA) o 49,99 €/año (+IVA).
Regístrate gratis para obtener acceso inmediato a todos los recursos. Si ya estás registrado en matemas.com, entra con tu usuario y contraseña: