Ejercicios · Bloque 4: Entrada/Salida, Cadenas y Computación Científica
15 ejercicios resueltos paso a paso.
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.
2.
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.
3.
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.
4.
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.
5.
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.
4.2 Cadenas y Unicode
6.
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.
7.
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.
8.
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.
9.
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.
10.
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.
4.3 NumPy y Gráficos
11.
Desarrollar una función potencial_lennard_jones(r_array, epsilon=1.0, sigma=0.34) que evalúe de forma vectorizada con NumPy el potencial intermolecular entre dos átomos neutros sobre un array unidimensional de distancias interatómicas en nanómetros.
12.
Desarrollar una función comparar_producto_matriz_vector(M,
v) que reciba una matriz cuadrada y un vector compatible, calculando el producto matriz vector mediante bucles anidados en Python y mediante álgebra matricial en NumPy, comprobando la coincidencia numérica con np.. allclose.
v) que reciba una matriz cuadrada y un vector compatible, calculando el producto matriz vector mediante bucles anidados en Python y mediante álgebra matricial en NumPy, comprobando la coincidencia numérica con np.. allclose.
13.
Desarrollar una función filtrar_senales_numpy(senales, sigma_corte=2.5) que tome un array unidimensional de medidas con ruido gaussiano, identifique los valores anómalos que disten más de sigma_corte desviaciones típicas de la media, y retorne un array limpio donde los outliers se hayan sustituido por la mediana de la serie.
14.
Desarrollar una función calibrar_sensor_lineal(x_patron, y_medida) que ajuste por mínimos cuadrados una recta de calibración entre concentraciones y señales instrumentales, calculando la pendiente, la ordenada en el origen y el coeficiente de determinación R al cuadrado del ajuste.
15.
Desarrollar un script de visualización con Matplotlib que genere una curva de oscilación amortiguada en un intervalo temporal de 0 a 10 s, configure títulos, etiquetas de ejes con unidades, rejilla de fondo, y guarde la figura en formato PNG de alta resolución a 300 puntos por pulgada.