def plotHistogramas(dataframe, agruparUsuarios=True):
import matplotlib.pyplot as plt
from scripts.general import fechaLocal
from IPython.display import display
import numpy as np
import pandas as pd
from scripts.general import chkVersion
chkVersion()
# Agregamos la info de que categoria es el angulo que va a ser necesaria para las cuentas.
display(dataframe.columns)
dataframe[dataframe['anguloReferido'] == 5]['Categoria'] = "Grande"
display(dataframe['anguloReferido'].unique())
display(dataframe.columns)
# Armamos la lista de dataframes separados por usuario o no segun corresponda
datos = []
if agruparUsuarios:
datos = [dataframe]
else:
for usuario in dataframe['Alias'].unique():
datos = datos + [dataframe[dataframe['Alias'] == usuario]]
# Ahora procesamos los datos
estadistica = pd.DataFrame()
for dato in datos:
# Para cada angulo referido (unificando en todas las referencias y en todas las intancias) hacemos la estadistica
# Angulo referido es el "x" de este grafico
for anguloReferido in dato['anguloReferido'].unique():
pass
def plotHistogramas (dataframe, agruparUsuarios=True):
import matplotlib.pyplot as plt
from scripts.general import fechaLocal
from IPython.display import display
import numpy as np
import pandas as pd
from scripts.general import chkVersion
chkVersion()
# Agregamos la info de que categoria es el angulo que va a ser necesaria para las cuentas.
display (dataframe.columns)
dataframe[dataframe['anguloReferido']==5]['Categoria'] = "Grande"
display (dataframe['anguloReferido'].unique())
display (dataframe.columns)
# Armamos la lista de dataframes separados por usuario o no segun corresponda
datos = []
if agruparUsuarios:
datos = [dataframe]
else:
for usuario in dataframe['Alias'].unique():
datos = datos + [dataframe[dataframe['Alias']==usuario]]
# Ahora procesamos los datos
estadistica = pd.DataFrame()
for dato in datos:
# Para cada angulo referido (unificando en todas las referencias y en todas las intancias) hacemos la estadistica
# Angulo referido es el "x" de este grafico
for anguloReferido in dato['anguloReferido'].unique():
pass
def downloadFile ():
"""
Esta funcion descarga la base de datos en formato json del servidor y hace una backup del archivo anterior.
"""
import datetime
import time
import urllib
import os
from scripts.general import chkVersion
chkVersion()
url='http://turintur.dynu.com/db'
filenameTemp = 'temp.json'
filename = 'db.json'
timestamp = time.time()
st = datetime.datetime.fromtimestamp(timestamp).strftime('%Y-%m-%d %H:%M:%S')
filenameBackup = './backups/' + filename[:-5] + ' backup ' + st + '.json'
print ('Starting download, please wait')
# Bajamos el archivo
urllib.request.urlretrieve(url, filenameTemp)
# Renombramos el archivo viejo y dejamos el descargado con el nombre que corresponde si se descargo bien
if os.path.isfile(filenameTemp):
if os.path.isfile(filename):
os.rename(filename,filenameBackup)
os.rename(filenameTemp,filename)
print ('Donload finish')
def downloadFile ():
"""
Esta funcion descarga la base de datos en formato json del servidor y hace una backup del archivo anterior.
"""
import datetime
import time
import urllib
import os
from scripts.general import chkVersion
chkVersion()
url='http://turintur.dynu.com/db'
filenameTemp = 'temp.json'
filename = 'db.json'
timestamp = time.time()
st = datetime.datetime.fromtimestamp(timestamp).strftime('%Y-%m-%d %H:%M:%S')
filenameBackup = './backups/' + filename[:-5] + ' backup ' + st + '.json'
print ('Starting download, please wait')
# Bajamos el archivo
urllib.request.urlretrieve(url, filenameTemp)
# Renombramos el archivo viejo y dejamos el descargado con el nombre que corresponde si se descargo bien
if os.path.isfile(filenameTemp):
if os.path.isfile(filename):
os.rename(filename,filenameBackup)
os.rename(filenameTemp,filename)
print ('Donload finish')
def join (filename='db.json'):
from scripts.general import chkVersion
import scripts.constants
chkVersion()
"""
Este codigo sirve para ir acumulando los datos brutos tal cual salen de la base datos que se descarga, de forma de poder limpiar y reducir el tamaño del archivo online mas o menos seguido
sin perder la coherencia de los datos. Esto es necesario porque el json-server no se banca bien manejar archivos muy grandes (empieza a tener delay) y el volumen de datos que se genera crece rapido.
La idea es que guarda en archivos separados las listas de registros segun la categoria de envio para que despues puedan ser procesados segun corresponda
"""
from IPython.display import display
import json
import os
import pickle
# Transformamos el archivo en un json
with open(filename) as data_file:
db = json.load(data_file)
# Seleccionamos los datos
data = db['Envio']
# Buscamos la lista de todas las categorias de envios
tiposDeEnvio = set([envio['tipoDeEnvio'] for envio in data])
# La info guardada en esta parte esta pensada como una lista de envios segun el tipo
for tipoDeEnvio in tiposDeEnvio:
filename = './Guardados/db.' + tipoDeEnvio
enviosNuevos = [envio for envio in data if envio['tipoDeEnvio'] == tipoDeEnvio]
# Sacamos el formato json a los envios
for envio in enviosNuevos:
envio['contenido'] = json.loads(envio['contenido'])
if os.path.isfile(filename):
with open(filename, 'rb') as f:
enviosViejos = pickle.load(f)
enviosExists = True
display (tipoDeEnvio + ' tiene '+str(len(enviosViejos))+' entradas.')
else:
display ('Warning: no se encontro entradas previas para ' + tipoDeEnvio + ' se guardaran ' + str(len(enviosNuevos)) + ' entradas nuevas.')
enviosExists = False
if enviosExists:
enviosUnificados = enviosViejos + [envioNuevo for envioNuevo in enviosNuevos if not envioNuevo['instance'] in set([envioViejo['instance'] for envioViejo in enviosViejos])]
else:
enviosUnificados = enviosNuevos
display (tipoDeEnvio + ' paso a tener '+str(len(enviosUnificados))+' entradas.')
with open(filename, 'wb+') as f:
pickle.dump(enviosUnificados, f)
joinUsers()
def plotUmbralVsReferencia (dataframe) :
"""
Muestra cuanto vale el umbral en funcion de la orientacion del angulo (toma como referencia el lado fijo)
El cuadrante 1 se complementa con el 3 y el 2 con el 4.
"""
import matplotlib.pyplot as plt
from scripts.general import fechaLocal
from IPython.display import display
import pandas as pd
import numpy as np
from scripts.general import chkVersion
chkVersion()
display(dataframe.keys())
# Iteramos sobre los usuarios
for user in dataframe['Alias'].unique():
# Armamos los graficos
fig, graficos = plt.subplots(2, 1, subplot_kw=dict(projection='polar'))
fig.set_size_inches(10,20)
graficos[0].set_title('Aproximacion desde angulos agudos')
graficos[1].set_title('Aproximacion desde angulos obtusos')
fig.suptitle('Nivel de umbral (en grados) de deteccion de angulos rectos\n en funcion de la oriertacion del lado fijo \n usuario: '+user)
dataByUser=dataframe[dataframe['Alias']==user]
# Iteramos sobre las referencias
referencias = dataByUser['anguloDeReferencia'].unique()
referencias.sort()
umbralC1 = []
umbralC2 = []
umbralC3 = []
umbralC4 = []
for referencia in referencias:
dataByUserByRef = dataByUser[dataByUser['anguloDeReferencia']==referencia]
#display (dataByUserByRef[dataByUserByRef['cuadranteNumero']==3])
umbralC1 = umbralC1 + [90 - float(dataByUserByRef[dataByUserByRef['cuadranteNumero']==1]['anguloReferido'].tail(1))]
umbralC2 = umbralC2 + [float(dataByUserByRef[dataByUserByRef['cuadranteNumero']==2]['anguloReferido'].tail(1)) - 90]
umbralC3 = umbralC3 + [270 - float(dataByUserByRef[dataByUserByRef['cuadranteNumero']==3]['anguloReferido'].tail(1))]
umbralC4 = umbralC4 + [float(dataByUserByRef[dataByUserByRef['cuadranteNumero']==4]['anguloReferido'].tail(1)) - 270]
referenciasRadianes = [value * np.pi / 180 + np.pi/2 for value in referencias]
referenciasRadianes2 = [value * np.pi / 180 + np.pi + np.pi/2 for value in referencias]
graficos[0].plot(referenciasRadianes,umbralC1)
graficos[0].plot(referenciasRadianes2,umbralC4)
graficos[1].plot(referenciasRadianes,umbralC2)
graficos[1].plot(referenciasRadianes2,umbralC3)
fig.savefig('AngulosUmbral'+user+'.png')
plt.show()
def loadLevels ():
"""
Esta funcion carga la info de las sesiones y levels pero sin cargar la de los trials y touchs. Sirve para cuando
la info ya viene preprocesada en el programa online. Por ejemplo los analisis de umbral.
"""
import os
import pandas as pd
from scripts.settings import makeSettings
from scripts.general import chkVersion
chkVersion()
makeSettings(basic=True,levels=True)
# Primero se carga la info de la estructura json (los touchs y sounds vienen dentro de los trials)
if os.path.isfile('./Guardados/db.sessions'):
sessions = pd.read_pickle ('./Guardados/db.sessions')
else:
display ('Warning: no se encontro los session buscados')
return
if os.path.isfile('./Guardados/db.levels'):
levels = pd.read_pickle ('./Guardados/db.levels')
else:
display ('Warning: no se encontro los levels buscados')
return
sessions = estetizarTabla(sessions,'sessions')
levels = estetizarTabla(levels,'levels')
levels = pd.merge(levels, sessions, on='sessionInstance')
# Creamos los alias
levels = renombrarUsuarios(levels)
# Aplicamos los filtros level, code, etc
levels = aplicarFiltros(levels)
return levels
def recreateDb ():
"""
Funcion que reconstruye la base de datos acumulada en el tiempo a partir de los archivos de backup
"""
from scripts.general import chkVersion
chkVersion()
from scripts.extract import join
from IPython.display import display
import glob, os, time
from os import path
from datetime import datetime, timedelta
#os.chdir('/backups/')
for file in glob.glob("./backups/*.json"):
display (file)
fileCreation = datetime.fromtimestamp(path.getctime(file))
tiempolimite = datetime.now() - timedelta(days=14)
display (fileCreation > tiempolimite)
if fileCreation > tiempolimite:
join(file)
Display ('FIN!')
def makeTimeline(touchs, sounds):
"""
Esta es una funcion puramente para hacer un revision cualitativa de los datos, y verficar que este todo en orden.
Toma el dataframe de touchs y sounds y hace un grafico que muestra la sucesion de eventos a lo largo del juego.
"""
from scripts.general import chkVersion
chkVersion()
import matplotlib.pyplot as plt
import numpy as np
import datetime
from Scripts import fechaLocal
from IPython.display import display
juntar = False # Si es true, junta todos los levels de una misma sesion, sino separa por level
for usuario in touchs['Alias'].unique():
# Genera el plot
fig = plt.figure(figsize=(30, 5))
ax = fig.add_subplot(111)
ax.set_title(
'Informacion de eventos para el usuario {}'.format(usuario),
fontsize=10,
fontweight='bold')
ax.set_xlabel('Tiempo')
ax.set_ylabel('')
ax.get_yaxis().set_ticks([])
ax.set_ylim([0, 11])
# Procesa la info para graficar las sesiones del usuario
fechas = touchs[touchs['Alias'] == usuario]['sessionInstance']
fechasFormateadas = [fechaLocal(fecha) for fecha in fechas]
altura = np.ones(fechas.size) * 10
ax.plot(fechasFormateadas, altura, 'ro')
touchsUsuario = touchs[touchs['Alias'] == usuario]
soundsUsuario = sounds[sounds['Alias'] == usuario]
# ahora para este usuario va a hacer un grafico por sesion
for session in touchsUsuario['sessionInstance'].unique():
#Carga los touchs de cada session
touchsSession = touchsUsuario[touchsUsuario['sessionInstance'] ==
session]
soundsSession = soundsUsuario[soundsUsuario['sessionInstance'] ==
session]
if juntar: #Crea un grafico nuevo si esta configurado asi
if touchsSession.size > 0:
# Genera el plot si se va a usar
fig = plt.figure(figsize=(30, 5))
ax = fig.add_subplot(111)
ax.set_title('Informacion de eventos para el usuario ' +
str(usuario) + ' sesion del ' +
str(fechaLocal(touchSession)),
fontsize=14,
fontweight='bold')
ax.set_xlabel('Tiempo')
ax.set_ylabel('')
ax.get_yaxis().set_ticks([])
ax.set_ylim([0, 11])
# Procesa la info de los levels
for level in touchsSession['levelInstance'].unique():
touchsLevel = touchsSession[touchsSession['levelInstance'] ==
level]
soundsLevel = soundsSession[soundsSession['levelInstance'] ==
level]
levelInfo = touchsLevel.iloc[0]
if not juntar: #Crea un grafico nuevo si esta configurado asi
# Genera el plot si se va a usar
fig = plt.figure(figsize=(30, 5))
ax = fig.add_subplot(111)
ax.set_title('Informacion de eventos para el usuario ' +
str(usuario) + ', sesion del ' +
str(fechaLocal(session)) + ', nivel: ' +
str(levelInfo['levelId']),
fontsize=14,
fontweight='bold')
ax.set_xlabel('Tiempo')
ax.set_ylabel('')
ax.get_yaxis().set_ticks([])
ax.set_ylim([0, 11])
# Configura el color segun este completado o no el nivel
if levelInfo['levelCompleted'] == True:
color = 'blue'
else:
color = 'red'
# Grafica el segmento principal
x = [
fechaLocal(levelInfo['timeLevelStarts']),
fechaLocal(levelInfo['timeLevelExit'])
]
y = [9, 9]
ax.plot(x, y, color=color)
# Grafica dos bordes para remarcar los inicios y los finales
ax.plot([
fechaLocal(levelInfo['timeLevelStarts'] - 0.01),
fechaLocal(levelInfo['timeLevelStarts'] + 0.01)
], [y[0] + 0.5, y[0] - 0.5],
color=color)
ax.plot([
fechaLocal(levelInfo['timeLevelExit'] - 0.01),
fechaLocal(levelInfo['timeLevelExit'] + 0.01)
], [y[0] + 0.5, y[0] - 0.5],
color=color)
# Agrega el id del nivel
xCenter = fechaLocal(
(levelInfo['timeLevelStarts'] + levelInfo['timeLevelExit'])
/ 2)
ax.text(xCenter, 8.5, levelInfo['levelInstance'])
# Procesa la info de los trials del level en cuestion
for trial in touchsLevel['trialInstance'].unique():
touchsTrial = touchsLevel[touchsLevel['trialInstance'] ==
trial]
soundsTrial = soundsLevel[soundsLevel['trialInstance'] ==
trial]
trialInfo = touchsTrial.iloc[0]
# Configura el color segun el tipo de trial
if trialInfo['tipoDeTrial'] == 'TUTORIAL':
color = 'yellow'
else:
color = 'cyan'
# Grafica el segmento principal
x = [
fechaLocal(trialInfo['timeTrialStart']),
fechaLocal(trialInfo['timeTrialExit'])
]
y = [7, 7]
ax.plot(x, y, color=color)
# Grafica dos bordes para remarcar los inicios y los finales
ax.plot([
fechaLocal(trialInfo['timeTrialStart'] - 0.01),
fechaLocal(trialInfo['timeTrialStart'] + 0.01)
], [y[0] + 0.5, y[0] - 0.5],
color=color)
ax.plot([
fechaLocal(trialInfo['timeTrialExit'] - 0.01),
fechaLocal(trialInfo['timeTrialExit'] + 0.01)
], [y[0] + 0.5, y[0] - 0.5],
color=color)
# Agrega el id del trial
xCenter = fechaLocal((trialInfo['timeTrialStart'] +
trialInfo['timeTrialExit']) / 2)
ax.text(xCenter, 6.5, trialInfo['trialId'])
# Procesa la info de los touchs del trial en cuestion
for touchInstance in touchsTrial['touchInstance'].unique():
touch = touchsTrial[touchsTrial['touchInstance'] ==
touchInstance]
touch = touch.iloc[0]
# Configura el color segun sea un acierto o no
if touch[
'isTrue'] == True: # Ojo que aca un Nan es un false!
color = 'green'
else:
color = 'red'
y = [3, 3]
# Grafica el segmento cuasivertical
ax.plot([
fechaLocal(touch['touchInstance'] - 0.01),
fechaLocal(touch['touchInstance'] + 0.01)
], [y[0] + 0.5, y[0] - 0.5],
color=color)
# Agrega el id del elemento tocado
xCenter = fechaLocal(touch['touchInstance'] + 0.3)
ax.text(xCenter, 2.5, touch['idResourceTouched']['id'])
# Procesa los sounds en cada trial
for soundInstance in soundsTrial['soundInstance'].unique():
sound = soundsTrial[soundsTrial['soundInstance'] ==
soundInstance]
sound = sound.iloc[0]
# Configura el color
color = 'gray'
y = [5, 5]
# Grafica el segmento cuasivertical
ax.plot([
fechaLocal(soundInstance - 0.01),
fechaLocal(soundInstance + 0.01)
], [y[0] + 0.5, y[0] - 0.5],
color=color)
# Agrega el id del elemento tocado
xCenter = fechaLocal(soundInstance + 0.3)
ax.text(xCenter, 4.5, sound['soundSourceId']['id'])
import scripts.constants as cts
from scripts.general import chkVersion
from IPython.display import display
chkVersion()
def downloadFile():
"""
Esta funcion descarga la base de datos en formato json del servidor y hace una backup del archivo anterior.
"""
import datetime
import time
import urllib
import os
import filecmp
import progressbar
def avance(bloques, tamanoBloque, tamanoTotal):
avanzado = bloques * tamanoBloque
progreso = avanzado / tamanoTotal * 100
if progreso > 100:
progreso = 100
bar.update(progreso)
timestamp = time.time()
st = datetime.datetime.fromtimestamp(timestamp).strftime("%Y-%m-%d %H:%M:%S")
filenameBackup = cts.PathDirDbBackUp + cts.FileNameLocalDb[:-5] + " backup " + st + ".json"
import scripts.constants as cts
from scripts.general import chkVersion
from IPython.display import display
from scripts.db import dataProcesada
chkVersion()
def plotByUser (specificData=False, alias=["Todos"], filtroCompletadoActivo=True,
expList=cts.expList, onlyOneUser=True, number=-1, join=False, db=None):
users, db = dataProcesada(specificData=specificData, alias=alias, filtroCompletadoActivo=filtroCompletadoActivo,
expList=expList, onlyOneUser=onlyOneUser, number=number, join=join, db=db)
"""
excludedSessionInstance = [1473088663797]
from scripts.db import pandasTransferencia
if not specificData:
db = pandasTransferencia()
users = db[cts.P_Alias].unique() if alias == ["Todos"] else alias
"""
for user in users:
"""
if onlyOneUser:
if user != users[number]:
continue
"""
def plotConvergenciaAngulos (levels, completos=True):
"""
Esta función grafica el angulo en funcion del numero de trial para cada uno de los cuadrantes
"""
import matplotlib.pyplot as plt
from IPython.display import display
from scripts.general import fechaLocal
import json
from scripts.general import chkVersion
chkVersion()
mostrarReferencia = True
mostrarNivel = False
mostrarAngulo = False
if completos:
levels = levels[levels['levelCompleted']]
for usuario in levels['Alias'].unique():
display ('Se hara la estadistica del usuario: '+usuario)
levelsUsuario = levels[levels['Alias']==usuario]
display ('El usuario '+usuario+' jugo '+str(len(levelsUsuario['sessionInstance'].unique()))+' veces')
if mostrarReferencia:
# Armamos el grafico de angulos refrenciados (esta aca porque queremos comparar entre todos los levels de todas las sesiones de un mismo usuario)
# Armamos los colores
# These are the "Tableau 20" colors as RGB.
tableau20 = [(31, 119, 180), (174, 199, 232), (255, 187, 120),
(44, 160, 44), (152, 223, 138), (214, 39, 40), (255, 152, 150),
(148, 103, 189), (197, 176, 213), (140, 86, 75), (196, 156, 148),
(227, 119, 194), (247, 182, 210), (127, 127, 127), (199, 199, 199),
(188, 189, 34), (219, 219, 141), (23, 190, 207), (158, 218, 229), (255, 127, 14)]
Color2 = ['0F3FFF','190EFE','530DFD','8D0CFD','C80BFC','FC0AF5','FB0AB9',
'FB097D','FA0841','FA0A07','F94506','F98006','F8BB05','F8F604','BCF703',
'80F703','43F602','06F601','00F537','00F572']
# Scale the RGB values to the [0, 1] range, which is the format matplotlib accepts.
for i in range(len(tableau20)):
r, g, b = tableau20[i]
tableau20[i] = (r / 255., g / 255., b / 255.)
figC, (axC1, axC2, axC3, axC4) = plt.subplots(nrows=4)
figC.set_size_inches(10, 18)
title = 'Comparacion de la evolucion del delta angulo en funcion del trial\n' + 'Usuario: '+str(usuario)
figC.suptitle (title, fontsize=10, fontweight='bold')
figC.subplots_adjust(hspace=0.5)
axC1.set_title("Cuadrante 1")
axC1.set_xlabel('Numero de trial')
axC1.set_ylabel('Delta angulo')
axC1.set_color_cycle(tableau20)
axC2.set_title("Cuadrante 2")
axC2.set_xlabel('Numero de trial')
axC2.set_ylabel('Delta angulo')
axC2.set_color_cycle(tableau20)
axC3.set_title("Cuadrante 3")
axC3.set_xlabel('Numero de trial')
axC3.set_ylabel('Delta angulo')
axC3.set_color_cycle(tableau20)
axC4.set_title("Cuadrante 4")
axC4.set_xlabel('Numero de trial')
axC4.set_ylabel('Delta angulo')
axC4.set_color_cycle(tableau20)
for session in levelsUsuario['sessionInstance'].unique():
levelSession = levelsUsuario[levelsUsuario['sessionInstance']==session]
display ('En la session '+ str(fechaLocal(session))+ ' el usuario '+str(usuario)+' jugo '+str(len(levelSession['levelInstance'].unique())) + ' niveles')
for level in levelSession['levelInstance'].unique():
levelLevel = levelSession[levelSession['levelInstance']==level]
# display (levelLevel)
levelInfo = levelLevel.iloc[0]
convergencias = levelInfo['advance']['convergencias']
for convergencia in convergencias:
if mostrarNivel:
# Armamos el grafico de nivel
fig1 = plt.figure(figsize=(10,3))
ax1 = fig1.add_subplot(111)
title = 'Evolucion de la dificultad en funcion del trial \n' + 'Usuario: '+str(usuario) + ' en la referencia: ' + str(convergencia['anguloDeReferencia'])
ax1.set_title(title, fontsize=10, fontweight='bold')
ax1.set_xlabel('Numero de trial')
ax1.set_ylabel('Nivel')
if mostrarAngulo:
# Armamos el grafico de angulo
fig2 = plt.figure(figsize=(10,3))
ax2 = fig2.add_subplot(111)
title = 'Evolucion del angulo en funcion del trial \n' + 'Usuario: '+str(usuario) + ' en la referencia: ' + str(convergencia['anguloDeReferencia'])
ax2.set_title(title, fontsize=10, fontweight='bold')
ax2.set_xlabel('Numero de trial')
ax2.set_ylabel('Angulo')
# Extraemos la info en forma de lista
aciertos=[]
angulosReferido=[]
angulos=[]
angulosNivel = []
for historial in convergencia['historial']:
# Extraemos la lista de aciertos o errores de la info del historial
if historial['acertado']:
aciertos=aciertos+[True]
else:
aciertos=aciertos+[False]
angulos = angulos + [historial['angulo']]
# Corregimos el tema de cuadrante para que se vea mas lindo.
if angulos[-1] < historial['anguloDeReferencia']:
angulos[-1] = angulos[-1] + 360
angulosReferido = angulosReferido + [historial['anguloReferido']]
angulosNivel = angulosNivel + [historial['nivel']]
if mostrarNivel:
# Dibujamos los niveles
x = range(len(angulosNivel))
y = angulosNivel
ax1.plot(x,y, label=convergencia['nombreDelCuadrante'])
# marcamos aciertos y errores
x = [i for i in range(len(aciertos)) if aciertos[i]]
y = [angulosNivel[i] for i in range(len(aciertos)) if aciertos[i]]
ax1.plot(x,y,'go')
x = [i for i in range(len(aciertos)) if not aciertos[i]]
y = [angulosNivel[i] for i in range(len(aciertos)) if not aciertos[i]]
ax1.plot(x,y,'ro')
# Marcamos el final si es convergencia o no.
if convergencia['convergenciaAlcanzada']:
ax1.plot([len(angulosNivel)-1],angulosNivel[-1],'bs', markersize=10)
else:
if len(angulosNivel) > 0: # Esto es porque hay datos malos, no deberia hacer falta en gral
ax1.plot([len(angulosNivel)-1],angulosNivel[-1],'rs', markersize=10)
ax1.legend(loc='center left', bbox_to_anchor=(1, 0.5))
if mostrarAngulo:
# Dibujamos los angulos
x = range(len(angulos))
y = angulos
ax2.plot(x,y, label=convergencia['nombreDelCuadrante'])
# marcamos aciertos y errores
x = [i for i in range(len(aciertos)) if aciertos[i]]
y = [angulos[i] for i in range(len(aciertos)) if aciertos[i]]
ax2.plot(x,y,'go')
x = [i for i in range(len(aciertos)) if not aciertos[i]]
y = [angulos[i] for i in range(len(aciertos)) if not aciertos[i]]
ax2.plot(x,y,'ro')
# Marcamos el final si es convergencia o no.
if convergencia['convergenciaAlcanzada']:
ax2.plot([len(angulos)-1],angulos[-1],'bs', markersize=10)
else:
if len(angulos) > 0: # Esto es porque hay datos malos, no deberia hacer falta en gral
ax2.plot([len(angulos)-1],angulos[-1],'rs', markersize=10)
ax2.legend(loc='center left', bbox_to_anchor=(1, 0.5))
if mostrarReferencia:
# Dibujamos los angulos referenciados
if convergencia['numeroCuadrante']==1:
axC=axC1
if convergencia['numeroCuadrante']==2:
axC=axC2
if convergencia['numeroCuadrante']==3:
axC=axC3
if convergencia['numeroCuadrante']==4:
axC=axC4
x = range(len(angulos))
y = angulosReferido
if 'ultimoMEANAngulo' in convergencia:
Label = "Referencia "+str(convergencia['anguloDeReferencia']) + " mean(Angulo): " + str(convergencia['ultimoMEANAngulo'])
else:
Label = "Referencia "+str(convergencia['anguloDeReferencia']) + " mean(Level): " + str(convergencia['ultimoMEAN'])
axC.plot(x,y,label=Label, lw=(convergencia['anguloDeReferencia']+45)/90*5)
# marcamos aciertos y errores
#x = [i for i in range(len(aciertos)) if aciertos[i]]
#y = [angulosRef[i] for i in range(len(aciertos)) if aciertos[i]]
#axC.plot(x,y,'go')
#x = [i for i in range(len(aciertos)) if not aciertos[i]]
#y = [angulosRef[i] for i in range(len(aciertos)) if not aciertos[i]]
#axC.plot(x,y,'ro')
# Marcamos el final si es convergencia o no.
if convergencia['convergenciaAlcanzada']:
axC.plot([len(angulosReferido)-1],angulosReferido[-1],'bs', markersize=10)
else:
if len(angulos) > 0: # Esto es porque hay datos malos, no deberia hacer falta en gral
axC.plot([len(angulos)-1],angulosReferido[-1],'rs', markersize=10)
axC.legend(loc='center left', bbox_to_anchor=(1, 0.5),prop={'size':10})
def makeTimeline (touchs, sounds):
"""
Esta es una funcion puramente para hacer un revision cualitativa de los datos, y verficar que este todo en orden.
Toma el dataframe de touchs y sounds y hace un grafico que muestra la sucesion de eventos a lo largo del juego.
"""
from scripts.general import chkVersion
chkVersion()
import matplotlib.pyplot as plt
import numpy as np
import datetime
from Scripts import fechaLocal
from IPython.display import display
juntar = False # Si es true, junta todos los levels de una misma sesion, sino separa por level
for usuario in touchs['Alias'].unique():
# Genera el plot
fig = plt.figure(figsize=(30,5))
ax = fig.add_subplot(111)
ax.set_title('Informacion de eventos para el usuario {}'.format(usuario), fontsize=10, fontweight='bold')
ax.set_xlabel('Tiempo')
ax.set_ylabel('')
ax.get_yaxis().set_ticks([])
ax.set_ylim([0,11])
# Procesa la info para graficar las sesiones del usuario
fechas = touchs[touchs['Alias']==usuario]['sessionInstance']
fechasFormateadas = [fechaLocal(fecha) for fecha in fechas]
altura = np.ones(fechas.size)*10
ax.plot(fechasFormateadas,altura,'ro')
touchsUsuario = touchs[touchs['Alias'] == usuario]
soundsUsuario = sounds[sounds['Alias'] == usuario]
# ahora para este usuario va a hacer un grafico por sesion
for session in touchsUsuario['sessionInstance'].unique():
#Carga los touchs de cada session
touchsSession = touchsUsuario[touchsUsuario['sessionInstance']==session]
soundsSession = soundsUsuario[soundsUsuario['sessionInstance']==session]
if juntar: #Crea un grafico nuevo si esta configurado asi
if touchsSession.size > 0:
# Genera el plot si se va a usar
fig = plt.figure(figsize=(30,5))
ax = fig.add_subplot(111)
ax.set_title('Informacion de eventos para el usuario '+str(usuario)+' sesion del '+str(fechaLocal(touchSession)), fontsize=14, fontweight='bold')
ax.set_xlabel('Tiempo')
ax.set_ylabel('')
ax.get_yaxis().set_ticks([])
ax.set_ylim([0,11])
# Procesa la info de los levels
for level in touchsSession['levelInstance'].unique():
touchsLevel = touchsSession[touchsSession['levelInstance']==level]
soundsLevel = soundsSession[soundsSession['levelInstance']==level]
levelInfo = touchsLevel.iloc[0]
if not juntar: #Crea un grafico nuevo si esta configurado asi
# Genera el plot si se va a usar
fig = plt.figure(figsize=(30,5))
ax = fig.add_subplot(111)
ax.set_title('Informacion de eventos para el usuario '+str(usuario)+', sesion del '+str(fechaLocal(session))+', nivel: '+str(levelInfo['levelId']), fontsize=14, fontweight='bold')
ax.set_xlabel('Tiempo')
ax.set_ylabel('')
ax.get_yaxis().set_ticks([])
ax.set_ylim([0,11])
# Configura el color segun este completado o no el nivel
if levelInfo['levelCompleted'] == True:
color = 'blue'
else:
color = 'red'
# Grafica el segmento principal
x = [fechaLocal(levelInfo['timeLevelStarts']),fechaLocal(levelInfo['timeLevelExit'])]
y = [9,9]
ax.plot(x,y,color=color)
# Grafica dos bordes para remarcar los inicios y los finales
ax.plot([fechaLocal(levelInfo['timeLevelStarts']-0.01),fechaLocal(levelInfo['timeLevelStarts']+0.01)],[y[0]+0.5,y[0]-0.5],color=color)
ax.plot([fechaLocal(levelInfo['timeLevelExit']-0.01),fechaLocal(levelInfo['timeLevelExit']+0.01)],[y[0]+0.5,y[0]-0.5],color=color)
# Agrega el id del nivel
xCenter = fechaLocal((levelInfo['timeLevelStarts']+levelInfo['timeLevelExit'])/2)
ax.text(xCenter, 8.5, levelInfo['levelInstance'])
# Procesa la info de los trials del level en cuestion
for trial in touchsLevel['trialInstance'].unique():
touchsTrial = touchsLevel[touchsLevel['trialInstance']==trial]
soundsTrial = soundsLevel[soundsLevel['trialInstance']==trial]
trialInfo = touchsTrial.iloc[0]
# Configura el color segun el tipo de trial
if trialInfo['tipoDeTrial'] == 'TUTORIAL':
color = 'yellow'
else:
color = 'cyan'
# Grafica el segmento principal
x = [fechaLocal(trialInfo['timeTrialStart']),fechaLocal(trialInfo['timeTrialExit'])]
y = [7,7]
ax.plot(x,y,color=color)
# Grafica dos bordes para remarcar los inicios y los finales
ax.plot([fechaLocal(trialInfo['timeTrialStart']-0.01),fechaLocal(trialInfo['timeTrialStart']+0.01)],[y[0]+0.5,y[0]-0.5],color=color)
ax.plot([fechaLocal(trialInfo['timeTrialExit']-0.01),fechaLocal(trialInfo['timeTrialExit']+0.01)],[y[0]+0.5,y[0]-0.5],color=color)
# Agrega el id del trial
xCenter = fechaLocal ((trialInfo['timeTrialStart']+trialInfo['timeTrialExit'])/2)
ax.text(xCenter, 6.5, trialInfo['trialId'])
# Procesa la info de los touchs del trial en cuestion
for touchInstance in touchsTrial['touchInstance'].unique():
touch = touchsTrial[touchsTrial['touchInstance']==touchInstance]
touch = touch.iloc[0]
# Configura el color segun sea un acierto o no
if touch['isTrue'] == True: # Ojo que aca un Nan es un false!
color = 'green'
else:
color = 'red'
y = [3,3]
# Grafica el segmento cuasivertical
ax.plot([fechaLocal(touch['touchInstance']-0.01),fechaLocal(touch['touchInstance']+0.01)],[y[0]+0.5,y[0]-0.5],color=color)
# Agrega el id del elemento tocado
xCenter = fechaLocal(touch['touchInstance']+0.3)
ax.text(xCenter, 2.5, touch['idResourceTouched']['id'])
# Procesa los sounds en cada trial
for soundInstance in soundsTrial['soundInstance'].unique():
sound = soundsTrial[soundsTrial['soundInstance']==soundInstance]
sound = sound.iloc[0]
# Configura el color
color = 'gray'
y = [5,5]
# Grafica el segmento cuasivertical
ax.plot([fechaLocal(soundInstance-0.01),fechaLocal(soundInstance+0.01)],[y[0]+0.5,y[0]-0.5],color=color)
# Agrega el id del elemento tocado
xCenter = fechaLocal(soundInstance+0.3)
ax.text(xCenter, 4.5, sound['soundSourceId']['id'])
def join (filename='db.json'):
from scripts.general import chkVersion
chkVersion()
"""
Este codigo sirve para ir acumulando los datos brutos tal cual salen de la base datos que se descarga, de forma de poder limpiar y reducir el tamaño del archivo online mas o menos seguid
sin perder la coherencia de los datos. Esto es necesario porque el json-server no se banca bien manejar archivos muy grandes (empieza a tener delay) y el volumen de datos que se genera crece rapido.
"""
from IPython.display import display
import json
import pandas as pd
import numpy as np
import os
with open(filename) as data_file:
db = json.load(data_file)
if db['SessionEnviables']!=[]:
sessionsNuevos = pd.concat((pd.DataFrame(x) for x in db['SessionEnviables']), ignore_index=True)
if os.path.isfile('./Guardados/db.sessions'):
sessions = pd.read_pickle ('./Guardados/db.sessions')
sessionsExists = True
display ('Sessions tiene '+str(sessions.index.size)+' entradas')
else:
display ('Warning: no se encontro los session buscados')
sessionsExists = False
if sessionsExists:
sessionsJoin = pd.concat([sessions, sessionsNuevos], axis=0, ignore_index=True)
sessionsJoin.drop_duplicates(cols='id', inplace=True)
display ('Se agregaron '+ str(sessionsJoin.index.size - sessions.index.size)+' registros al registro de sesiones.')
else:
sessionsJoin = sessionsNuevos
display ('Se creo un archivo nuevo con registro de sesiones')
sessionsJoin.to_pickle('./Guardados/db.sessions')
if db['LevelEnviables']!=[]:
levelsNuevos = pd.concat((pd.DataFrame(x) for x in db['LevelEnviables']), ignore_index=True)
if os.path.isfile('./Guardados/db.levels'):
levels = pd.read_pickle ('./Guardados/db.levels')
levelsExists = True
display ('Levels tiene '+str(levels.index.size)+' entradas')
else:
display ('Warning: no se encontro los levels buscados')
levelsExists = False
if levelsExists:
levelsJoin = pd.concat([levels, levelsNuevos], axis=0, ignore_index=True)
levelsJoin.drop_duplicates(cols='levelInstance', inplace=True)
display ('Se agregaron '+ str(levelsJoin.index.size - levels.index.size)+' registros al registro de levels.')
else:
levelsJoin = levelsNuevos
display ('Se creo un archivo nuevo con registro de levels')
levelsJoin.to_pickle('./Guardados/db.levels')
if db['TrialEnviables']!=[]:
trialsNuevos = pd.concat((pd.DataFrame(x) for x in db['TrialEnviables']), ignore_index=True)
if os.path.isfile('./Guardados/db.trials'):
trials = pd.read_pickle ('./Guardados/db.trials')
trialsExists = True
display ('Trials tiene '+str(trials.index.size)+' entradas')
else:
display ('Warning: no se encontro los trials buscados')
trialsExists = False
if trialsExists:
trialsJoin = pd.concat([trials, trialsNuevos], axis=0, ignore_index=True)
trialsJoin.drop_duplicates(cols='trialInstance', inplace=True)
display ('Se agregaron '+ str(trialsJoin.index.size - trials.index.size)+' registros al registro de trials.')
else:
trialsJoin = trialsNuevos
display ('Se creo un archivo nuevo con registro de trials')
trialsJoin.to_pickle('./Guardados/db.trials')
display ('Datos del json cargados')
def loadTouchs ():
"""
Esta funcion extrae de la base de datos ya separada en registros de sesion,
level y trials, y acumulada en archivos locales en formato json dos
dataframes uno para touchs y uno para sounds. Para eso mergea los sub json
que hay en la db.json del servidor unificando por instancias de level,
sesion y trial.
Los formatos en que se guardan los json que vienen de la aplicacion
resultaron ser muy poco practicos por esa razon es importante reordenarlos.
La funcion recibe como parametros un dict settings, que le indica que
filtros utilizar para leer los datos y evitar problemas de compatibilidad
entre experimentos, versiones de datos, etc.
La funcion devuelve dos dataframes uno de touchs y uno de sounds que son la
base de la estructura de datos para procesamientos posteriores.
"""
from scripts.general import chkVersion
chkVersion()
import pandas as pd
import os
import numpy as np
from IPython.display import display
makeSettings(basic=True,levels=False)
# Primero se carga la info de la estructura json (los touchs y sounds vienen dentro de los trials)
if os.path.isfile('./Guardados/db.sessions'):
sessions = pd.read_pickle ('./Guardados/db.sessions')
else:
display ('Warning: no se encontro los session buscados')
return
if os.path.isfile('./Guardados/db.levels'):
levels = pd.read_pickle ('./Guardados/db.levels')
else:
display ('Warning: no se encontro los levels buscados')
return
display ('Numero de sesiones totales encontradas:: ' + str(sessions.index.size))
display ('Numero de levels totales encontrados: ' + str(levels.index.size))
if os.path.isfile('./Guardados/db.trials'):
trials = pd.read_pickle ('./Guardados/db.trials')
else:
display ('Warning: no se encontro los trials buscados')
return
display ('Numero de sesiones totales encontradas:: ' + str(sessions.index.size))
display ('Numero de levels totales encontrados: ' + str(levels.index.size))
display ('Numero de trials totales encontrados: ' + str(trials.index.size))
display ('Filtrando datos...')
# Extraemos los datos de los touchs y sounds de dentro de los json de los trials
touchs = pd.concat(pd.DataFrame(x) for x in list(trials['touchLog']) if type(x)==list) # NOTA! : revisar que pasa si vienen mas de un json en un trial
sounds = pd.concat(pd.DataFrame(x) for x in list(trials['soundLog']) if type(x)==list) # NOTA! : revisar que pasa si vienen mas de un json en un trial
# Procesamos un poco los datos para eliminar info redundante o innecesaria, o para unificar nombres. Para eso se usan los filtros prefijados y configurables.
sessions = estetizarTabla(sessions,'sessions')
levels = estetizarTabla(levels,'levels')
trials = estetizarTabla(trials,'trials')
touchs = estetizarTabla(touchs,'touchs')
sounds = estetizarTabla(sounds,'sounds')
# una vez bien formateada todas las tablas se mergean a travez de las instancias de sesion, level y trial
touchs = pd.merge(touchs, trials, on='trialInstance')
touchs = pd.merge(touchs, levels, on='levelInstance')
touchs = pd.merge(touchs, sessions, on='sessionInstance')
sounds = pd.merge(sounds, trials, on='trialInstance')
sounds = pd.merge(sounds, levels, on='levelInstance')
sounds = pd.merge(sounds, sessions, on='sessionInstance')
# Creamos los alias
touchs = renombrarUsuarios(touchs)
sounds = renombrarUsuarios(sounds)
# Aplicamos los filtros level, code, etc
touchs = aplicarFiltros(touchs)
sounds = aplicarFiltros(sounds)
display ('Recursos cargados del archivo')
display ('Touchs seleccionados: ' + str(touchs.index.size))
display ('Sounds seleccionados: ' + str(sounds.index.size))
return touchs, sounds
def join(filename='db.json'):
from scripts.general import chkVersion
import scripts.constants
chkVersion()
"""
Este codigo sirve para ir acumulando los datos brutos tal cual salen de la base datos que se descarga, de forma de poder limpiar y reducir el tamaño del archivo online mas o menos seguido
sin perder la coherencia de los datos. Esto es necesario porque el json-server no se banca bien manejar archivos muy grandes (empieza a tener delay) y el volumen de datos que se genera crece rapido.
La idea es que guarda en archivos separados las listas de registros segun la categoria de envio para que despues puedan ser procesados segun corresponda
"""
from IPython.display import display
import json
import os
import pickle
# Transformamos el archivo en un json
with open(filename) as data_file:
db = json.load(data_file)
# Seleccionamos los datos
data = db['Envio']
# Buscamos la lista de todas las categorias de envios
tiposDeEnvio = set([envio['tipoDeEnvio'] for envio in data])
# La info guardada en esta parte esta pensada como una lista de envios segun el tipo
for tipoDeEnvio in tiposDeEnvio:
filename = './Guardados/db.' + tipoDeEnvio
enviosNuevos = [
envio for envio in data if envio['tipoDeEnvio'] == tipoDeEnvio
]
# Sacamos el formato json a los envios
for envio in enviosNuevos:
envio['contenido'] = json.loads(envio['contenido'])
if os.path.isfile(filename):
with open(filename, 'rb') as f:
enviosViejos = pickle.load(f)
enviosExists = True
display(tipoDeEnvio + ' tiene ' + str(len(enviosViejos)) +
' entradas.')
else:
display('Warning: no se encontro entradas previas para ' +
tipoDeEnvio + ' se guardaran ' + str(len(enviosNuevos)) +
' entradas nuevas.')
enviosExists = False
if enviosExists:
enviosUnificados = enviosViejos + [
envioNuevo
for envioNuevo in enviosNuevos if not envioNuevo['instance'] in
set([envioViejo['instance'] for envioViejo in enviosViejos])
]
else:
enviosUnificados = enviosNuevos
display(tipoDeEnvio + ' paso a tener ' + str(len(enviosUnificados)) +
' entradas.')
with open(filename, 'wb+') as f:
pickle.dump(enviosUnificados, f)
joinUsers()
def plotConvergenciaAngulos(levels, completos=True):
"""
Esta función grafica el angulo en funcion del numero de trial para cada uno de los cuadrantes
"""
import matplotlib.pyplot as plt
from IPython.display import display
from scripts.general import fechaLocal
import json
from scripts.general import chkVersion
chkVersion()
mostrarReferencia = True
mostrarNivel = False
mostrarAngulo = False
if completos:
levels = levels[levels['levelCompleted']]
for usuario in levels['Alias'].unique():
display('Se hara la estadistica del usuario: ' + usuario)
levelsUsuario = levels[levels['Alias'] == usuario]
display('El usuario ' + usuario + ' jugo ' +
str(len(levelsUsuario['sessionInstance'].unique())) + ' veces')
if mostrarReferencia:
# Armamos el grafico de angulos refrenciados (esta aca porque queremos comparar entre todos los levels de todas las sesiones de un mismo usuario)
# Armamos los colores
# These are the "Tableau 20" colors as RGB.
tableau20 = [(31, 119, 180), (174, 199, 232), (255, 187, 120),
(44, 160, 44), (152, 223, 138), (214, 39, 40),
(255, 152, 150), (148, 103, 189), (197, 176, 213),
(140, 86, 75), (196, 156, 148), (227, 119, 194),
(247, 182, 210), (127, 127, 127), (199, 199, 199),
(188, 189, 34), (219, 219, 141), (23, 190, 207),
(158, 218, 229), (255, 127, 14)]
Color2 = [
'0F3FFF', '190EFE', '530DFD', '8D0CFD', 'C80BFC', 'FC0AF5',
'FB0AB9', 'FB097D', 'FA0841', 'FA0A07', 'F94506', 'F98006',
'F8BB05', 'F8F604', 'BCF703', '80F703', '43F602', '06F601',
'00F537', '00F572'
]
# Scale the RGB values to the [0, 1] range, which is the format matplotlib accepts.
for i in range(len(tableau20)):
r, g, b = tableau20[i]
tableau20[i] = (r / 255., g / 255., b / 255.)
figC, (axC1, axC2, axC3, axC4) = plt.subplots(nrows=4)
figC.set_size_inches(10, 18)
title = 'Comparacion de la evolucion del delta angulo en funcion del trial\n' + 'Usuario: ' + str(
usuario)
figC.suptitle(title, fontsize=10, fontweight='bold')
figC.subplots_adjust(hspace=0.5)
axC1.set_title("Cuadrante 1")
axC1.set_xlabel('Numero de trial')
axC1.set_ylabel('Delta angulo')
axC1.set_color_cycle(tableau20)
axC2.set_title("Cuadrante 2")
axC2.set_xlabel('Numero de trial')
axC2.set_ylabel('Delta angulo')
axC2.set_color_cycle(tableau20)
axC3.set_title("Cuadrante 3")
axC3.set_xlabel('Numero de trial')
axC3.set_ylabel('Delta angulo')
axC3.set_color_cycle(tableau20)
axC4.set_title("Cuadrante 4")
axC4.set_xlabel('Numero de trial')
axC4.set_ylabel('Delta angulo')
axC4.set_color_cycle(tableau20)
for session in levelsUsuario['sessionInstance'].unique():
levelSession = levelsUsuario[levelsUsuario['sessionInstance'] ==
session]
display('En la session ' + str(fechaLocal(session)) +
' el usuario ' + str(usuario) + ' jugo ' +
str(len(levelSession['levelInstance'].unique())) +
' niveles')
for level in levelSession['levelInstance'].unique():
levelLevel = levelSession[levelSession['levelInstance'] ==
level]
# display (levelLevel)
levelInfo = levelLevel.iloc[0]
convergencias = levelInfo['advance']['convergencias']
for convergencia in convergencias:
if mostrarNivel:
# Armamos el grafico de nivel
fig1 = plt.figure(figsize=(10, 3))
ax1 = fig1.add_subplot(111)
title = 'Evolucion de la dificultad en funcion del trial \n' + 'Usuario: ' + str(
usuario) + ' en la referencia: ' + str(
convergencia['anguloDeReferencia'])
ax1.set_title(title, fontsize=10, fontweight='bold')
ax1.set_xlabel('Numero de trial')
ax1.set_ylabel('Nivel')
if mostrarAngulo:
# Armamos el grafico de angulo
fig2 = plt.figure(figsize=(10, 3))
ax2 = fig2.add_subplot(111)
title = 'Evolucion del angulo en funcion del trial \n' + 'Usuario: ' + str(
usuario) + ' en la referencia: ' + str(
convergencia['anguloDeReferencia'])
ax2.set_title(title, fontsize=10, fontweight='bold')
ax2.set_xlabel('Numero de trial')
ax2.set_ylabel('Angulo')
# Extraemos la info en forma de lista
aciertos = []
angulosReferido = []
angulos = []
angulosNivel = []
for historial in convergencia['historial']:
# Extraemos la lista de aciertos o errores de la info del historial
if historial['acertado']:
aciertos = aciertos + [True]
else:
aciertos = aciertos + [False]
angulos = angulos + [historial['angulo']]
# Corregimos el tema de cuadrante para que se vea mas lindo.
if angulos[-1] < historial['anguloDeReferencia']:
angulos[-1] = angulos[-1] + 360
angulosReferido = angulosReferido + [
historial['anguloReferido']
]
angulosNivel = angulosNivel + [historial['nivel']]
if mostrarNivel:
# Dibujamos los niveles
x = range(len(angulosNivel))
y = angulosNivel
ax1.plot(x,
y,
label=convergencia['nombreDelCuadrante'])
# marcamos aciertos y errores
x = [i for i in range(len(aciertos)) if aciertos[i]]
y = [
angulosNivel[i] for i in range(len(aciertos))
if aciertos[i]
]
ax1.plot(x, y, 'go')
x = [
i for i in range(len(aciertos)) if not aciertos[i]
]
y = [
angulosNivel[i] for i in range(len(aciertos))
if not aciertos[i]
]
ax1.plot(x, y, 'ro')
# Marcamos el final si es convergencia o no.
if convergencia['convergenciaAlcanzada']:
ax1.plot([len(angulosNivel) - 1],
angulosNivel[-1],
'bs',
markersize=10)
else:
if len(
angulosNivel
) > 0: # Esto es porque hay datos malos, no deberia hacer falta en gral
ax1.plot([len(angulosNivel) - 1],
angulosNivel[-1],
'rs',
markersize=10)
ax1.legend(loc='center left', bbox_to_anchor=(1, 0.5))
if mostrarAngulo:
# Dibujamos los angulos
x = range(len(angulos))
y = angulos
ax2.plot(x,
y,
label=convergencia['nombreDelCuadrante'])
# marcamos aciertos y errores
x = [i for i in range(len(aciertos)) if aciertos[i]]
y = [
angulos[i] for i in range(len(aciertos))
if aciertos[i]
]
ax2.plot(x, y, 'go')
x = [
i for i in range(len(aciertos)) if not aciertos[i]
]
y = [
angulos[i] for i in range(len(aciertos))
if not aciertos[i]
]
ax2.plot(x, y, 'ro')
# Marcamos el final si es convergencia o no.
if convergencia['convergenciaAlcanzada']:
ax2.plot([len(angulos) - 1],
angulos[-1],
'bs',
markersize=10)
else:
if len(
angulos
) > 0: # Esto es porque hay datos malos, no deberia hacer falta en gral
ax2.plot([len(angulos) - 1],
angulos[-1],
'rs',
markersize=10)
ax2.legend(loc='center left', bbox_to_anchor=(1, 0.5))
if mostrarReferencia:
# Dibujamos los angulos referenciados
if convergencia['numeroCuadrante'] == 1:
axC = axC1
if convergencia['numeroCuadrante'] == 2:
axC = axC2
if convergencia['numeroCuadrante'] == 3:
axC = axC3
if convergencia['numeroCuadrante'] == 4:
axC = axC4
x = range(len(angulos))
y = angulosReferido
if 'ultimoMEANAngulo' in convergencia:
Label = "Referencia " + str(
convergencia['anguloDeReferencia']
) + " mean(Angulo): " + str(
convergencia['ultimoMEANAngulo'])
else:
Label = "Referencia " + str(
convergencia['anguloDeReferencia']
) + " mean(Level): " + str(
convergencia['ultimoMEAN'])
axC.plot(x,
y,
label=Label,
lw=(convergencia['anguloDeReferencia'] + 45) /
90 * 5)
# marcamos aciertos y errores
#x = [i for i in range(len(aciertos)) if aciertos[i]]
#y = [angulosRef[i] for i in range(len(aciertos)) if aciertos[i]]
#axC.plot(x,y,'go')
#x = [i for i in range(len(aciertos)) if not aciertos[i]]
#y = [angulosRef[i] for i in range(len(aciertos)) if not aciertos[i]]
#axC.plot(x,y,'ro')
# Marcamos el final si es convergencia o no.
if convergencia['convergenciaAlcanzada']:
axC.plot([len(angulosReferido) - 1],
angulosReferido[-1],
'bs',
markersize=10)
else:
if len(
angulos
) > 0: # Esto es porque hay datos malos, no deberia hacer falta en gral
axC.plot([len(angulos) - 1],
angulosReferido[-1],
'rs',
markersize=10)
axC.legend(loc='center left',
bbox_to_anchor=(1, 0.5),
prop={'size': 10})
def plotConvergenciaXReferencia(dataframe):
"""
este script grafica como evoluciona la aproximacion a los angulos rectos en funcion de la referencia
"""
import matplotlib.pyplot as plt
from scripts.general import fechaLocal
from IPython.display import display
from scripts.general import chkVersion
chkVersion()
# Cargamos una tabla de colores
tableau20 = [(31, 119, 180), (255, 187, 120), (152, 223, 138),
(255, 152, 150), (197, 176, 213), (196, 156, 148),
(247, 182, 210), (199, 199, 199), (219, 219, 141),
(158, 218, 229)]
# Scale the RGB values to the [0, 1] range, which is the format matplotlib accepts.
for i in range(len(tableau20)):
r, g, b = tableau20[i]
tableau20[i] = (r / 255., g / 255., b / 255.)
colores = []
for color in tableau20:
colores = colores + [color] + [color] + [color] + [color]
# Se hace un grafico para cada referencia donde se juntan las cuadro convergencias de todos los usuarios
listaReferencias = dataframe['anguloDeReferencia'].unique()
listaReferencias.sort()
for referencia in listaReferencias:
# Filtramos los datos correspondientes a una referencia
dfRef = dataframe[dataframe['anguloDeReferencia'] == referencia]
# Creamos el grafico
fig = plt.figure(figsize=(10, 3))
ax = fig.add_subplot(111)
title = 'Evolucion del angulo en funcion del trial \n' + ' en la referencia: ' + str(
referencia)
ax.set_title(title, fontsize=10, fontweight='bold')
ax.set_xlabel('Numero de trial')
ax.set_ylabel('Angulo')
ax.set_color_cycle(colores)
# Buscamos el conjunto de las cuatro convergencias para cada levelInstance
for i, instance in enumerate(dfRef['levelInstance'].unique()):
# filtramos los datos x intancia
dfRefInst = dfRef[dfRef['levelInstance'] == instance]
# Buscamos la info de cada cuadrante
for cuadrante in [1, 2, 3, 4]:
dfRefInstCuad = dfRefInst[dfRefInst['cuadranteNumero'] ==
cuadrante]
# nos asegurmos que esten ordenados los datos
dfRefInstCuad.sort(['indiceEnHistorial'])
# correjimos los numeros para que quede todo centrado alrededor del 90
if cuadrante == 1:
#dfRefInstCuad['anguloReferidoPlot'] = dfRefInstCuad['anguloReferido']
dfRefInstCuad['ultimoMEANAnguloPlot'] = 90 - dfRefInstCuad[
'ultimoMEANAngulo']
if cuadrante == 2:
#dfRefInstCuad['anguloReferidoPlot'] = dfRefInstCuad['anguloReferido']
dfRefInstCuad['ultimoMEANAnguloPlot'] = dfRefInstCuad[
'ultimoMEANAngulo'] - 90
if cuadrante == 3:
#dfRefInstCuad['anguloReferidoPlot'] = dfRefInstCuad['anguloReferido'] - 180
dfRefInstCuad[
'ultimoMEANAnguloPlot'] = 270 - dfRefInstCuad[
'ultimoMEANAngulo']
if cuadrante == 4:
#dfRefInstCuad['anguloReferidoPlot'] = dfRefInstCuad['anguloReferido'] - 180
dfRefInstCuad['ultimoMEANAnguloPlot'] = dfRefInstCuad[
'ultimoMEANAngulo'] - 270
# Cargamos los datos a graficar
x = dfRefInstCuad['indiceEnHistorial']
y = dfRefInstCuad['anguloReferido']
Label = "Cuadrante: " + str(
cuadrante) + " User: " + dfRefInstCuad['Alias'].iloc[0]
tamano = (dfRef['levelInstance'].unique().size -
i) / (0.25 * dfRef['levelInstance'].unique().size)
ax.plot(x, y, label=Label, lw=tamano)
# Agregamos la marca de la convergencia
x = dfRefInstCuad['indiceEnHistorial'].iloc[-1]
y = dfRefInstCuad['anguloReferido'].iloc[-1]
if dfRefInstCuad['convergenciaAlcanzada'].iloc[-1]:
ax.plot(x, y, 'bs', markersize=10)
else:
ax.plot(x, y, 'rs', markersize=10)
ax.legend(loc='center left', bbox_to_anchor=(1, 0.5))
# Graficamos una linea roja
xmin, xmax = ax.get_xlim()
ax.plot([0, xmax], [90, 90], 'r-')
ax.plot([0, xmax], [270, 270], 'r-')
def plotConvergenciaXReferencia (dataframe) :
"""
este script grafica como evoluciona la aproximacion a los angulos rectos en funcion de la referencia
"""
import matplotlib.pyplot as plt
from scripts.general import fechaLocal
from IPython.display import display
from scripts.general import chkVersion
chkVersion()
# Cargamos una tabla de colores
tableau20 = [(31, 119, 180), (255, 187, 120),
(152, 223, 138), (255, 152, 150),
(197, 176, 213), (196, 156, 148),
(247, 182, 210), (199, 199, 199),
(219, 219, 141), (158, 218, 229)]
# Scale the RGB values to the [0, 1] range, which is the format matplotlib accepts.
for i in range(len(tableau20)):
r, g, b = tableau20[i]
tableau20[i] = (r / 255., g / 255., b / 255.)
colores = []
for color in tableau20:
colores = colores + [color] + [color] + [color] + [color]
# Se hace un grafico para cada referencia donde se juntan las cuadro convergencias de todos los usuarios
listaReferencias = dataframe['anguloDeReferencia'].unique()
listaReferencias.sort()
for referencia in listaReferencias:
# Filtramos los datos correspondientes a una referencia
dfRef = dataframe[dataframe['anguloDeReferencia']==referencia]
# Creamos el grafico
fig = plt.figure(figsize=(10,3))
ax = fig.add_subplot(111)
title = 'Evolucion del angulo en funcion del trial \n' + ' en la referencia: ' + str(referencia)
ax.set_title(title, fontsize=10, fontweight='bold')
ax.set_xlabel('Numero de trial')
ax.set_ylabel('Angulo')
ax.set_color_cycle(colores)
# Buscamos el conjunto de las cuatro convergencias para cada levelInstance
for i,instance in enumerate(dfRef['levelInstance'].unique()) :
# filtramos los datos x intancia
dfRefInst = dfRef[dfRef['levelInstance'] == instance]
# Buscamos la info de cada cuadrante
for cuadrante in [1,2,3,4]:
dfRefInstCuad = dfRefInst[dfRefInst['cuadranteNumero']==cuadrante]
# nos asegurmos que esten ordenados los datos
dfRefInstCuad.sort(['indiceEnHistorial'])
# correjimos los numeros para que quede todo centrado alrededor del 90
if cuadrante == 1:
#dfRefInstCuad['anguloReferidoPlot'] = dfRefInstCuad['anguloReferido']
dfRefInstCuad['ultimoMEANAnguloPlot'] = 90 - dfRefInstCuad['ultimoMEANAngulo']
if cuadrante == 2:
#dfRefInstCuad['anguloReferidoPlot'] = dfRefInstCuad['anguloReferido']
dfRefInstCuad['ultimoMEANAnguloPlot'] = dfRefInstCuad['ultimoMEANAngulo'] - 90
if cuadrante == 3:
#dfRefInstCuad['anguloReferidoPlot'] = dfRefInstCuad['anguloReferido'] - 180
dfRefInstCuad['ultimoMEANAnguloPlot'] = 270 - dfRefInstCuad['ultimoMEANAngulo']
if cuadrante == 4:
#dfRefInstCuad['anguloReferidoPlot'] = dfRefInstCuad['anguloReferido'] - 180
dfRefInstCuad['ultimoMEANAnguloPlot'] = dfRefInstCuad['ultimoMEANAngulo'] - 270
# Cargamos los datos a graficar
x = dfRefInstCuad['indiceEnHistorial']
y = dfRefInstCuad['anguloReferido']
Label = "Cuadrante: " + str(cuadrante) + " User: " + dfRefInstCuad['Alias'].iloc[0]
tamano = (dfRef['levelInstance'].unique().size - i) / (0.25 * dfRef['levelInstance'].unique().size)
ax.plot(x,y,label=Label, lw=tamano)
# Agregamos la marca de la convergencia
x = dfRefInstCuad['indiceEnHistorial'].iloc[-1]
y = dfRefInstCuad['anguloReferido'].iloc[-1]
if dfRefInstCuad['convergenciaAlcanzada'].iloc[-1]:
ax.plot(x,y,'bs', markersize=10)
else:
ax.plot(x,y,'rs', markersize=10)
ax.legend(loc='center left', bbox_to_anchor=(1, 0.5))
# Graficamos una linea roja
xmin, xmax = ax.get_xlim()
ax.plot ([0,xmax] , [90,90] , 'r-')
ax.plot ([0,xmax] , [270,270] , 'r-')
def plotUmbralVsReferencia(dataframe):
"""
Muestra cuanto vale el umbral en funcion de la orientacion del angulo (toma como referencia el lado fijo)
El cuadrante 1 se complementa con el 3 y el 2 con el 4.
"""
import matplotlib.pyplot as plt
from scripts.general import fechaLocal
from IPython.display import display
import pandas as pd
import numpy as np
from scripts.general import chkVersion
chkVersion()
display(dataframe.keys())
# Iteramos sobre los usuarios
for user in dataframe['Alias'].unique():
# Armamos los graficos
fig, graficos = plt.subplots(2, 1, subplot_kw=dict(projection='polar'))
fig.set_size_inches(10, 20)
graficos[0].set_title('Aproximacion desde angulos agudos')
graficos[1].set_title('Aproximacion desde angulos obtusos')
fig.suptitle(
'Nivel de umbral (en grados) de deteccion de angulos rectos\n en funcion de la oriertacion del lado fijo \n usuario: '
+ user)
dataByUser = dataframe[dataframe['Alias'] == user]
# Iteramos sobre las referencias
referencias = dataByUser['anguloDeReferencia'].unique()
referencias.sort()
umbralC1 = []
umbralC2 = []
umbralC3 = []
umbralC4 = []
for referencia in referencias:
dataByUserByRef = dataByUser[dataByUser['anguloDeReferencia'] ==
referencia]
#display (dataByUserByRef[dataByUserByRef['cuadranteNumero']==3])
umbralC1 = umbralC1 + [
90 - float(dataByUserByRef[dataByUserByRef['cuadranteNumero']
== 1]['anguloReferido'].tail(1))
]
umbralC2 = umbralC2 + [
float(dataByUserByRef[dataByUserByRef['cuadranteNumero'] == 2]
['anguloReferido'].tail(1)) - 90
]
umbralC3 = umbralC3 + [
270 - float(dataByUserByRef[dataByUserByRef['cuadranteNumero']
== 3]['anguloReferido'].tail(1))
]
umbralC4 = umbralC4 + [
float(dataByUserByRef[dataByUserByRef['cuadranteNumero'] == 4]
['anguloReferido'].tail(1)) - 270
]
referenciasRadianes = [
value * np.pi / 180 + np.pi / 2 for value in referencias
]
referenciasRadianes2 = [
value * np.pi / 180 + np.pi + np.pi / 2 for value in referencias
]
graficos[0].plot(referenciasRadianes, umbralC1)
graficos[0].plot(referenciasRadianes2, umbralC4)
graficos[1].plot(referenciasRadianes, umbralC2)
graficos[1].plot(referenciasRadianes2, umbralC3)
fig.savefig('AngulosUmbral' + user + '.png')
plt.show()
def plotConvergenciaXCuadrantes (dataframe) :
"""
Este script grafica cada convergencia uniendo todas las convergencias correspondientes a un mismo cuadrante
"""
import matplotlib.pyplot as plt
from scripts.general import fechaLocal
from IPython.display import display
import numpy as np
from scripts.general import chkVersion
chkVersion()
# Creamos una lista de colores linda
# These are the "Tableau 20" colors as RGB.
tableau20 = [(31, 119, 180), (174, 199, 232), (255, 187, 120),
(44, 160, 44), (152, 223, 138), (214, 39, 40), (255, 152, 150),
(148, 103, 189), (197, 176, 213), (140, 86, 75), (196, 156, 148),
(227, 119, 194), (247, 182, 210), (127, 127, 127), (199, 199, 199),
(188, 189, 34), (219, 219, 141), (23, 190, 207), (158, 218, 229), (255, 127, 14)]
# Scale the RGB values to the [0, 1] range, which is the format matplotlib accepts.
for i in range(len(tableau20)):
r, g, b = tableau20[i]
tableau20[i] = (r / 255., g / 255., b / 255.)
for usuario in dataframe['Alias'].unique():
# Limitamos el dataframe al usuarios
dataframeUsuario = dataframe[dataframe['Alias']==usuario]
# Retocamos la info para que se adecue a los graficos que queremos
dataframeUsuario[dataframeUsuario['angulo']<dataframeUsuario['anguloDeReferencia']]['angulo'] = dataframeUsuario['angulo'] + 360
# Creamos los graficos
figC, (ax) = plt.subplots(nrows=1)
figC.set_size_inches(10, 18)
title = 'Comparacion de la evolucion del delta angulo en funcion del trial\n' + 'Usuario: '+str(usuario)
figC.suptitle (title, fontsize=10, fontweight='bold')
figC.subplots_adjust(hspace=0.5)
# Reportamos un resumen
display ('Se hara la estadistica del usuario: '+usuario)
display ('El usuario '+usuario+' jugo '+str(len(dataframeUsuario['sessionInstance'].unique()))+' veces')
# Repetimos la secuencia para cada cuadrante
for i in [4,3,2,1]:
# filtramos los datos correspondientes al cuadrante
dfUserCuadrante = dataframeUsuario[dataframeUsuario['cuadranteNumero']==i]
ax.set_xlabel('Numero de trial')
ax.set_ylabel('Angulo')
ax.set_color_cycle(tableau20)
# Armamos una lista de todas las orientaciones ordenadas
listaReferencias = dfUserCuadrante['anguloDeReferencia'].unique()
listaReferencias.sort()
listaReferencias[:] = listaReferencias[::-1]
# Agregamos las lineas que corresponden a cada referencia
for referencia in listaReferencias:
# filtramos x referencia
dfUserCuadranteReferencia = dfUserCuadrante[dfUserCuadrante['anguloDeReferencia']==referencia]
# Revisamos si hay mas de una linea xq se jugo mas de una vez el nivel
for levelintance in dfUserCuadranteReferencia['levelInstance'].unique():
# Filtramos por intancia de nivel
dfUserCuadranteReferenciaInstance = dfUserCuadranteReferencia[dfUserCuadranteReferencia['levelInstance']==levelintance]
# Nos aseguramos que esten bien ordenados los datos
dfUserCuadranteReferenciaInstance.sort(['indiceEnHistorial'])
# Cargamos las x y las y
x = dfUserCuadranteReferenciaInstance['indiceEnHistorial']
y = dfUserCuadranteReferenciaInstance['anguloReferido']
# Agregamos la linea
if i == 1:
mean = 90 - dfUserCuadranteReferenciaInstance['ultimoMEANAngulo'].iloc[-1]
if i == 2:
mean = dfUserCuadranteReferenciaInstance['ultimoMEANAngulo'].iloc[-1] - 90
if i == 3:
mean = 270 - dfUserCuadranteReferenciaInstance['ultimoMEANAngulo'].iloc[-1]
if i == 4:
mean = dfUserCuadranteReferenciaInstance['ultimoMEANAngulo'].iloc[-1] - 270
Label = "Referencia "+str(dfUserCuadranteReferenciaInstance['anguloDeReferencia'].iloc[0]) + " media al objetivo (grados): " + str(mean)
ax.plot(x,y,label=Label, lw=(dfUserCuadranteReferenciaInstance['anguloDeReferencia'].iloc[0]+45)/90*5, alpha=0.2)
ax.legend(loc='center left', bbox_to_anchor=(1, 0.5),prop={'size':8})
# Agregamos la marca de la convergencia
x = dfUserCuadranteReferenciaInstance['indiceEnHistorial'].iloc[-1]
y = dfUserCuadranteReferenciaInstance['anguloReferido'].iloc[-1]
if dfUserCuadranteReferenciaInstance['convergenciaAlcanzada'].iloc[-1]:
ax.plot(x,y,'bs', markersize=10, alpha=0.2)
else:
ax.plot(x,y,'rs', markersize=10, alpha=0.2)
# Agregamos una linea que sea el valor medio de todos las referenciados
x = []
y = []
colores = ['gray', 'blue', 'gray', 'blue']
#display (dfUserCuadrante['indiceEnHistorial'].unique())
#display (dfUserCuadrante[dfUserCuadrante['indiceEnHistorial']==0]['anguloReferido'].mean())
for indice in dfUserCuadrante['indiceEnHistorial'].unique():
if len (dfUserCuadrante[dfUserCuadrante['indiceEnHistorial']==indice].index) > 5:
x = x + [indice]
y = y + [dfUserCuadrante[dfUserCuadrante['indiceEnHistorial']==indice]['anguloReferido'].mean()]
if len(y) > 10 :
media = np.mean(y[10::])
if i == 1: media = 90 - media
if i == 2: media = media - 90
if i == 3: media = 270 - media
if i == 4: media = media - 270
Label = " Valor medio de todas las curvas (cuadrante: " + str(i) + ")" + "\n Distancia media (a partir del trial 10) al objetivo: " + str(media)
ax.plot(x,y,label=Label, lw=3, color = colores[i-1])
lgd = ax.legend(loc='center left', bbox_to_anchor=(1, 0.5),prop={'size':8})
# Agregamos una linea de referencia
xmin, xmax = ax.get_xlim()
ax.plot ([0,xmax] , [90,90] , 'r-')
ax.plot ([0,xmax] , [270,270] , 'r-')
# Agregamos cartelitos que indiquen el cuadrante
ax.annotate('Cuadrante 1', xy=(xmax/2, 45))
ax.annotate('Cuadrante 2', xy=(xmax/2, 135))
ax.annotate('Cuadrante 3', xy=(xmax/2, 225))
ax.annotate('Cuadrante 4', xy=(xmax/2, 315))
figC.savefig('XCuadrante'+usuario, bbox_extra_artists=(lgd,), bbox_inches='tight')
def plotConvergenciaXCuadrantes(dataframe):
"""
Este script grafica cada convergencia uniendo todas las convergencias correspondientes a un mismo cuadrante
"""
import matplotlib.pyplot as plt
from scripts.general import fechaLocal
from IPython.display import display
import numpy as np
from scripts.general import chkVersion
chkVersion()
# Creamos una lista de colores linda
# These are the "Tableau 20" colors as RGB.
tableau20 = [(31, 119, 180),
(174, 199, 232), (255, 187, 120), (44, 160, 44),
(152, 223, 138), (214, 39, 40), (255, 152, 150),
(148, 103, 189), (197, 176, 213), (140, 86, 75),
(196, 156, 148), (227, 119, 194), (247, 182, 210),
(127, 127, 127), (199, 199, 199), (188, 189, 34),
(219, 219, 141), (23, 190, 207), (158, 218, 229),
(255, 127, 14)]
# Scale the RGB values to the [0, 1] range, which is the format matplotlib accepts.
for i in range(len(tableau20)):
r, g, b = tableau20[i]
tableau20[i] = (r / 255., g / 255., b / 255.)
for usuario in dataframe['Alias'].unique():
# Limitamos el dataframe al usuarios
dataframeUsuario = dataframe[dataframe['Alias'] == usuario]
# Retocamos la info para que se adecue a los graficos que queremos
dataframeUsuario[dataframeUsuario['angulo'] < dataframeUsuario[
'anguloDeReferencia']]['angulo'] = dataframeUsuario['angulo'] + 360
# Creamos los graficos
figC, (ax) = plt.subplots(nrows=1)
figC.set_size_inches(10, 18)
title = 'Comparacion de la evolucion del delta angulo en funcion del trial\n' + 'Usuario: ' + str(
usuario)
figC.suptitle(title, fontsize=10, fontweight='bold')
figC.subplots_adjust(hspace=0.5)
# Reportamos un resumen
display('Se hara la estadistica del usuario: ' + usuario)
display('El usuario ' + usuario + ' jugo ' +
str(len(dataframeUsuario['sessionInstance'].unique())) +
' veces')
# Repetimos la secuencia para cada cuadrante
for i in [4, 3, 2, 1]:
# filtramos los datos correspondientes al cuadrante
dfUserCuadrante = dataframeUsuario[
dataframeUsuario['cuadranteNumero'] == i]
ax.set_xlabel('Numero de trial')
ax.set_ylabel('Angulo')
ax.set_color_cycle(tableau20)
# Armamos una lista de todas las orientaciones ordenadas
listaReferencias = dfUserCuadrante['anguloDeReferencia'].unique()
listaReferencias.sort()
listaReferencias[:] = listaReferencias[::-1]
# Agregamos las lineas que corresponden a cada referencia
for referencia in listaReferencias:
# filtramos x referencia
dfUserCuadranteReferencia = dfUserCuadrante[
dfUserCuadrante['anguloDeReferencia'] == referencia]
# Revisamos si hay mas de una linea xq se jugo mas de una vez el nivel
for levelintance in dfUserCuadranteReferencia[
'levelInstance'].unique():
# Filtramos por intancia de nivel
dfUserCuadranteReferenciaInstance = dfUserCuadranteReferencia[
dfUserCuadranteReferencia['levelInstance'] ==
levelintance]
# Nos aseguramos que esten bien ordenados los datos
dfUserCuadranteReferenciaInstance.sort(
['indiceEnHistorial'])
# Cargamos las x y las y
x = dfUserCuadranteReferenciaInstance['indiceEnHistorial']
y = dfUserCuadranteReferenciaInstance['anguloReferido']
# Agregamos la linea
if i == 1:
mean = 90 - dfUserCuadranteReferenciaInstance[
'ultimoMEANAngulo'].iloc[-1]
if i == 2:
mean = dfUserCuadranteReferenciaInstance[
'ultimoMEANAngulo'].iloc[-1] - 90
if i == 3:
mean = 270 - dfUserCuadranteReferenciaInstance[
'ultimoMEANAngulo'].iloc[-1]
if i == 4:
mean = dfUserCuadranteReferenciaInstance[
'ultimoMEANAngulo'].iloc[-1] - 270
Label = "Referencia " + str(
dfUserCuadranteReferenciaInstance['anguloDeReferencia']
.iloc[0]) + " media al objetivo (grados): " + str(mean)
ax.plot(x,
y,
label=Label,
lw=(dfUserCuadranteReferenciaInstance[
'anguloDeReferencia'].iloc[0] + 45) / 90 * 5,
alpha=0.2)
ax.legend(loc='center left',
bbox_to_anchor=(1, 0.5),
prop={'size': 8})
# Agregamos la marca de la convergencia
x = dfUserCuadranteReferenciaInstance[
'indiceEnHistorial'].iloc[-1]
y = dfUserCuadranteReferenciaInstance[
'anguloReferido'].iloc[-1]
if dfUserCuadranteReferenciaInstance[
'convergenciaAlcanzada'].iloc[-1]:
ax.plot(x, y, 'bs', markersize=10, alpha=0.2)
else:
ax.plot(x, y, 'rs', markersize=10, alpha=0.2)
# Agregamos una linea que sea el valor medio de todos las referenciados
x = []
y = []
colores = ['gray', 'blue', 'gray', 'blue']
#display (dfUserCuadrante['indiceEnHistorial'].unique())
#display (dfUserCuadrante[dfUserCuadrante['indiceEnHistorial']==0]['anguloReferido'].mean())
for indice in dfUserCuadrante['indiceEnHistorial'].unique():
if len(dfUserCuadrante[dfUserCuadrante['indiceEnHistorial'] ==
indice].index) > 5:
x = x + [indice]
y = y + [
dfUserCuadrante[dfUserCuadrante['indiceEnHistorial'] ==
indice]['anguloReferido'].mean()
]
if len(y) > 10:
media = np.mean(y[10::])
if i == 1: media = 90 - media
if i == 2: media = media - 90
if i == 3: media = 270 - media
if i == 4: media = media - 270
Label = " Valor medio de todas las curvas (cuadrante: " + str(
i
) + ")" + "\n Distancia media (a partir del trial 10) al objetivo: " + str(
media)
ax.plot(x, y, label=Label, lw=3, color=colores[i - 1])
lgd = ax.legend(loc='center left',
bbox_to_anchor=(1, 0.5),
prop={'size': 8})
# Agregamos una linea de referencia
xmin, xmax = ax.get_xlim()
ax.plot([0, xmax], [90, 90], 'r-')
ax.plot([0, xmax], [270, 270], 'r-')
# Agregamos cartelitos que indiquen el cuadrante
ax.annotate('Cuadrante 1', xy=(xmax / 2, 45))
ax.annotate('Cuadrante 2', xy=(xmax / 2, 135))
ax.annotate('Cuadrante 3', xy=(xmax / 2, 225))
ax.annotate('Cuadrante 4', xy=(xmax / 2, 315))
figC.savefig('XCuadrante' + usuario,
bbox_extra_artists=(lgd, ),
bbox_inches='tight')
def crearTabla(touchs, experimentoUmbralCompleto=True):
"""
Esta funcion transforma la info que viene en los tochs en info util para hacer graficos de tipo de contiengencia donde es relevante la siguientes informacion:
- La señal estimulo (converge/diverge +/-)
- La señal reportada (converge/diverge +/-)
- El delta tita
- El angulo de referencia
- La separacion entre las rectas
- El usuario
"""
from scripts.general import chkVersion
chkVersion()
import pandas as pd
import numpy as np
from IPython.display import display
display(
"Creando tabla resumen de la informacion de los toques en funcion de los parametros para el experimento de umbral"
)
resumen = touchs[["jsonMetaDataTouched", "jsonMetaDataEstimulo", "userID", "Alias"]]
# Extraemos la info de los jsons
columnName = "AnguloReferencia"
display("Extrayendo informacion de: " + columnName)
if not columnName in resumen.columns:
temp = pd.DataFrame(columns=[columnName])
for (i, r) in touchs.iterrows():
temp.loc[i] = r["jsonMetaDataEstimulo"]["infoConceptual"]["direccionAnguloReferencia"]
resumen = pd.concat([resumen, temp], axis=1)
else:
display("Warning: Se encontraron datos ya cargados para: " + columnName)
columnName = "DeltaTita"
display("Extrayendo informacion de: " + columnName)
if not columnName in resumen.columns:
temp = pd.DataFrame(columns=[columnName])
for (i, r) in touchs.iterrows():
temp.loc[i] = r["jsonMetaDataEstimulo"]["infoConceptual"]["deltaAngulo"]
resumen = pd.concat([resumen, temp], axis=1)
else:
display("Warning: Se encontraron datos ya cargados para: " + columnName)
columnName = "SeJuntanEstimulo"
display("Extrayendo informacion de: " + columnName)
if not columnName in resumen.columns:
temp = pd.DataFrame(columns=[columnName])
for (i, r) in touchs.iterrows():
temp.loc[i] = r["jsonMetaDataEstimulo"]["infoConceptual"]["seJuntan"]
resumen = pd.concat([resumen, temp], axis=1)
else:
display("Warning: Se encontraron datos ya cargados para: " + columnName)
columnName = "Separacion"
display("Extrayendo informacion de: " + columnName)
if not columnName in resumen.columns:
temp = pd.DataFrame(columns=[columnName])
for (i, r) in touchs.iterrows():
temp.loc[i] = r["jsonMetaDataEstimulo"]["infoConceptual"]["separacion"]
resumen = pd.concat([resumen, temp], axis=1)
else:
display("Warning: Se encontraron datos ya cargados para: " + columnName)
columnName = "SeJuntanSeleccion"
display("Extrayendo informacion de: " + columnName)
if not columnName in resumen.columns:
temp = pd.DataFrame(columns=[columnName])
for (i, r) in touchs.iterrows():
temp.loc[i] = r["jsonMetaDataTouched"]["infoConceptual"]["seJuntan"]
resumen = pd.concat([resumen, temp], axis=1)
else:
display("Warning: Se encontraron datos ya cargados para: " + columnName)
resumen["Aciertos"] = np.where(resumen["SeJuntanEstimulo"] == resumen["SeJuntanSeleccion"], "Acierto", "Error")
# Filtramos solo los datos de usuarios que hicieron los 26 niveles
if experimentoUmbralCompleto:
for user in touchs["userID"].unique():
resumenFiltrado = resumen[resumen["userID"] == user]
if resumenFiltrado["AnguloReferencia"].unique().size != 26:
resumen = resumen[resumen["userID"] != user]
display(resumen["Alias"].unique())
display("Resumen completado")
return resumen
def crearTabla(touchs, experimentoUmbralCompleto=True):
"""
Esta funcion transforma la info que viene en los tochs en info util para hacer graficos de tipo de contiengencia donde es relevante la siguientes informacion:
- La señal estimulo (converge/diverge +/-)
- La señal reportada (converge/diverge +/-)
- El delta tita
- El angulo de referencia
- La separacion entre las rectas
- El usuario
"""
from scripts.general import chkVersion
chkVersion()
import pandas as pd
import numpy as np
from IPython.display import display
display(
'Creando tabla resumen de la informacion de los toques en funcion de los parametros para el experimento de umbral'
)
resumen = touchs[[
'jsonMetaDataTouched', 'jsonMetaDataEstimulo', 'userID', 'Alias'
]]
# Extraemos la info de los jsons
columnName = 'AnguloReferencia'
display('Extrayendo informacion de: ' + columnName)
if not columnName in resumen.columns:
temp = pd.DataFrame(columns=[columnName])
for (i, r) in touchs.iterrows():
temp.loc[i] = r['jsonMetaDataEstimulo']['infoConceptual'][
'direccionAnguloReferencia']
resumen = pd.concat([resumen, temp], axis=1)
else:
display('Warning: Se encontraron datos ya cargados para: ' +
columnName)
columnName = 'DeltaTita'
display('Extrayendo informacion de: ' + columnName)
if not columnName in resumen.columns:
temp = pd.DataFrame(columns=[columnName])
for (i, r) in touchs.iterrows():
temp.loc[i] = r['jsonMetaDataEstimulo']['infoConceptual'][
'deltaAngulo']
resumen = pd.concat([resumen, temp], axis=1)
else:
display('Warning: Se encontraron datos ya cargados para: ' +
columnName)
columnName = 'SeJuntanEstimulo'
display('Extrayendo informacion de: ' + columnName)
if not columnName in resumen.columns:
temp = pd.DataFrame(columns=[columnName])
for (i, r) in touchs.iterrows():
temp.loc[i] = r['jsonMetaDataEstimulo']['infoConceptual'][
'seJuntan']
resumen = pd.concat([resumen, temp], axis=1)
else:
display('Warning: Se encontraron datos ya cargados para: ' +
columnName)
columnName = 'Separacion'
display('Extrayendo informacion de: ' + columnName)
if not columnName in resumen.columns:
temp = pd.DataFrame(columns=[columnName])
for (i, r) in touchs.iterrows():
temp.loc[i] = r['jsonMetaDataEstimulo']['infoConceptual'][
'separacion']
resumen = pd.concat([resumen, temp], axis=1)
else:
display('Warning: Se encontraron datos ya cargados para: ' +
columnName)
columnName = 'SeJuntanSeleccion'
display('Extrayendo informacion de: ' + columnName)
if not columnName in resumen.columns:
temp = pd.DataFrame(columns=[columnName])
for (i, r) in touchs.iterrows():
temp.loc[i] = r['jsonMetaDataTouched']['infoConceptual'][
'seJuntan']
resumen = pd.concat([resumen, temp], axis=1)
else:
display('Warning: Se encontraron datos ya cargados para: ' +
columnName)
resumen['Aciertos'] = np.where(
resumen['SeJuntanEstimulo'] == resumen['SeJuntanSeleccion'], 'Acierto',
'Error')
# Filtramos solo los datos de usuarios que hicieron los 26 niveles
if experimentoUmbralCompleto:
for user in touchs['userID'].unique():
resumenFiltrado = resumen[resumen['userID'] == user]
if resumenFiltrado['AnguloReferencia'].unique().size != 26:
resumen = resumen[resumen['userID'] != user]
display(resumen['Alias'].unique())
display('Resumen completado')
return resumen
