from sklearn import metrics
"""
import LibraryTT.txt2array as conversion
import numpy as np
from numpy import sqrt
import pandas as pd
import matplotlib.pyplot as plt
import random
import math
from mpl_toolkits.mplot3d import Axes3D
import open3d as o3d
# PArte de los datos
conversion.bytxt()
D = conversion.txt2array()
# D = np.delete(D,0,axis=0)
DD = np.copy(D) # Creamos copia de datos para no afectar a los originales
# Quitar datos
pquitar = []
for i in range(0, len(DD)):
if (DD[i, 2] <= -60):
pquitar.append(i)
DD = np.delete(DD, [pquitar], axis=0)
# PArte del ransac
abcd = np.array([[0, 0, 0, 0]])
ldps = np.array([])
gplns = np.array([])
abcd, ldps, gplns = conversion.rnsc2(DD, abcd, ldps, gplns)
import LibraryTT.txt2array as conversion
# Funcion sin ningun argumento (Se abrirá ventana para buscar el archivo)
from numpy import shape
get_ipython().run_line_magic("matplotlib", " inline")
a = conversion.txt2array()
print(f"Forma del vector nx3 ={shape(a)}")
conversion.imprimir3D(a)
# Forma 2: Función con algun argumneto
get_ipython().run_line_magic("matplotlib", " inline")
a = conversion.txt2array("./Sets/prueba_200911021124.txt")
conversion.imprimir3D(a)
#Forma 1: Funcion sin ningun argumento (Se abrirá ventana para buscar el archivo)
from numpy import shape
get_ipython().run_line_magic("matplotlib", " inline")
a = conversion.csv2array()
print(f"Forma del vector nx3 ={shape(a)}")
conversion.imprimir3D(a)
# Forma 2: Función con algun argumneto
get_ipython().run_line_magic("matplotlib", " inline")
a = conversion.csv2array("./Sets_CSV/prueba_200911015330.csv")
conversion.imprimir3D(a)
import os
a = conversion.txt2array()
conversion.array2txt(a) #Escritura del nuevo vector nx3
file = os.listdir("./Sets")
file.sort()
