2.3.9partVponimanie

# Понимание решение третьей и второй части задачи из начала урока
# Файл lambda_exp.txt с экспериментально полученными значениями находится в этой же папке
import matplotlib.pyplot as plt
# 1. Напишем функцию формулы расчета теплопроводсти
def compute_lambda(t):
    b = 33 # константа, выведенная экспериментальным путём
    l_0 = 884 # теплопроводность кремния при 100 К
    t_0 = 100 # температура равная 100 К
    y = b * (l_0 / (t - t_0))
    return y

# 2. Откроем файл для чтения, кодировку можно не указывать, т.к. там только числа
f = open('lambda_exp.txt', 'r')

# 3. Cоздаем пустые списки для значений температур и теплопроводности:

t_list = [] # пустой спискок значений температур
lambda_exp_list = [] # пустой спискок значений теплопроводности

# 5. Последовательно считываем строки файла.
# Из каждой строки (числа в ней разделены пробелом) создать список t_lambda_list, состоящий из двух элементов с помощью функции split()
# (Исходная строка 200 264, t_lambda_list = ['200', '264'])
# Первый элемент списка t_lambda_list добавить к списку температур, второй - к списку тепловодности
# преобразовав строковое значение к вещественному float
for line in f:
    t_lambda_list = line.split() # разобьём каждую строку на строковые значения списка
    t_list.append(float(t_lambda_list[0])) #создадим список температур из первого столбика, т.е. первых значений каждой строки
    lambda_exp_list.append(float(t_lambda_list[1])) #создадим список теплопроводности из второго  столбика, т.е. вторых значений каждой строки

f.close() # 5. Закроем файл
#print(t_list, 'temp') - для предварительного теста программы, работает!
#print(lambda_list, 'thermal conductivity')



# 6. Cформировать список со значениями теплопроводности, посчитанными с помощью функции compute_lambda(t) для температур из списка t_list
lambda_list = [compute_lambda(t) for t in t_list] # cписок посчитанных по формул значений теплопроводности
#print(lambda_list, 'thermal conductivity')

# 7. Найдём отностельную погрешность вычисления теплопроводности для каждого значения температуры.
# Для этого формула вычисления погрешности применяется к соответсвущим элементам списков lambda_list и lambda_exp_list.
# В резултате создаем новый список error_list.
error_list = [abs((lambda_exp_list[i] - lambda_list[i]) / lambda_exp_list[i]) for i in range(len(t_list))] # abs - модуль значения, т.к. процент не может быть отрицательным
#print(error_list)

# 8. Сформировать таблицу вывода значений температур, экспериментально полученной теплопроводности,
# расчитанной по формуле теплопроводности и погрешности вычислений...
print('-' * 45)
print('| %1s | | %7s | %7s | %7s |%8s |' % ('№', 't', 'L(t)', 'Exp(t)', 'error'))
print('-' * 45)
for i in range(len(t_list)):
    print('|%2d | %7d | %7.2f | %7d |%7.2f%% |' % (i+1, t_list[i], lambda_list[i], lambda_exp_list[i], error_list[i] * 100)) # |%7.2f%% | - почему без ошибки обязательно нужно два знака процентов в конце форматного вывода
    #i+1 не добавляет значений, а Прибавляет цифру к текущему значению, чтобы был ровный счёт
    # если в форматном выводе мы пишем %8d или %8s, а число или строка состоит из меньшего количества знаков, то остальные знаки будут пробелами в начале или конце
print('-' * 45)


# 9. Найдём максимальную погрешность для интервала температур от 300 до 1400
# Обрежем список по-умному, т.е. чтобы программа сама перебором находила эти температуры и обрезала список
max_error = max(error_list)
# Найдём температуру, которой эта погрешность соответсвует
# В Питоне реализованы различные методы работы со списками, в частности метод index(x),
# который находит первый встретившийся элемент x и возвращает индекс этого элемента.
# Например [5, 3, 6, 3].index(3) вернёт 1.
# В нашем случае индекс максимального значения в списке погрешностей error_list можно найти с помощью оператора:
index_max_error = error_list.index(max_error)
#print(index_max_error+1) - testok
# Вывести значение максимальной погрешности и соответсвующей ей температуры:
print('Максимальная погрешность - %5.2f, при t = %3d, строка № %1d' % (max_error * 100, t_list[index_max_error], index_max_error+1)) #выведется один раз, хоть и второе в квадратных скобках [там просто число], т.к. это не в цикле for
# Аналогично вычислим минимальную погрешность
min_error = min(error_list) #значение минимальной погрешности из списка
#print(min_error*100)
index_min_error = error_list.index(min_error) # индекс(номер по счету первый попавшийся) этого минимального числа в списке error_list
#print(index_min_error+1) - testok
print('Минимальная погрешность - %5.2f, при t = %3d в строке номер %1d' % (min_error * 100, t_list[index_min_error], index_min_error+1))

# 11. Найдём среднюю погрешность:
avg_error = sum(error_list) / len(error_list) # cумму каждого элемента разделим на количество 15
print('Cредняя погрешность = %5.2f%%' % (avg_error * 100))

# НАЧАЛО ПОСТРОЙКИ ГРАФИКА ИЗ ЗАДАНИЯ 2.3.9
# 12. Cоздадим линии для отображения экспериментальных и теоритических значений теплопроводности
# Зададим им форматирование.
line_th = plt.plot(t_list, lambda_list, label = 'теоритические')
line_exp = plt.plot(t_list, lambda_exp_list, label = 'экспериментальные')

#задаём стиль для линий
plt.setp(line_exp, color = 'blue', linestyle = '--', linewidth = 2)
plt.setp(line_th, color = 'red', linewidth = 2)

# 13. Вывести легенду, изменить положение осей, скрыть две из них, вывести заголовок и отобразить графики:
plt.legend() # надпись с описаним графиков
plt.gca().spines["left"].set_position("zero")
# plt.gca().spines["bottom"].set_positon("zero")
plt.gca().spines["top"].set_visible(False)
plt.gca().spines["right"].set_visible(False)
plt.show()