Entradas, Saídas e Análise de Dados Leitura e Escrita de Ficheiros

Apresentação em tema: "Entradas, Saídas e Análise de Dados Leitura e Escrita de Ficheiros"— Transcrição da apresentação:

1 Entradas, Saídas e Análise de Dados Leitura e Escrita de Ficheiros
Pedro Barahona DI/FCT/UNL Introdução aos Computadores e à Programação 2º Semestre 2008/2009 24 Abril 2009 Entradas, Saídas e Análise de Dados

2 Armazenamento de Dados
Quando a quantidade de dados é grande, não é razoável ou mesmo possível introduzi-los “manualmente” num programa. Tipicamente esses dados são armazenados em ficheiros que têm de ser lidos pelos programas que os tratam (podendo esses ficheiros estar organizados em bases de dados mais ou menos complexas) As funções básicas de manutenção de ficheiros (criação, alteração e destruição, localização, acesso ao seu conteúdo, etc.) são definidas no sistema de ficheiros (file system) , componente do sistema operativo (Operating System - Windows, Linux, MacOS, ...). Todas as linguagens de programação têm acesso a essas funções básicas (primitivas), implementadas através de chamadas ao sistema, mas que são disponibilizadas ao nível da linguagem através de instruções próprias. 24 Abril 2009 Entradas, Saídas e Análise de Dados

3 Armazenamento de Dados
Existe uma grande variedade de formas nessas instruções mas algumas características são razoavelmente gerais: Antes de se escrever ou ler num ficheiro, este tem de ser aberto num modo apropriado (leitura, escrita, leitura/escrita,...). Na abertura de um ficheiro, este é associado a um “canal” com um identificador (tipicamente um número) único. Todos os acessos ao ficheiro referem esse valor e não o nome com que o ficheiro é conhecido no sistema de ficheiros. Os acessos de leitura e escrita de dados dos ficheiros dependem da forma como os dados são codificados. Estes podem ser armazenados como texto ou numa forma codificada que optimiza o espaço. Após todos os acessos pretendidos terem sido executados, um ficheiro devem ser fechado. Como estas operações podem ser muito variadas, vamos centrar-nos nos acessos a ficheiros texto em OCTAVE. 24 Abril 2009 Entradas, Saídas e Análise de Dados

4 Ficheiros Texto em EXCEL
Os ficheiros de entrada e saída, do tipo texto (extensão “.txt”) podem ser, repectivamente produzidos e lidos em EXCEL, desde que se utilizem as opções apropriadas no EXCEL quanto ao formato dos ficheiros. Tudo o que é necessário fazer é guardar o ficheiro em formato: Text (tab delimited) (*.txt) Ler o ficheiro em formato : Text files (*.prn; *.txt; *.csv) e usar as opções Delimited - Characters such as commas or tabs separate each field. Delimiters - Tabs ... data_in.txt 24 Abril 2009 Entradas, Saídas e Análise de Dados

5 Entradas, Saídas e Análise de Dados
Ficheiros CSV em EXCEL Outra opção para os ficheiros de entrada e saída consiste em separar os dados por vírgulas (“Comma separated values”) em vez de tabs, trabalhando-se com ficheiros do formato csv (extensão “.csv”) Nota: Neste caso há que garantir que o separador decimal é o ponto. Tudo o que é necessário fazer é guardar o ficheiro em formato: CSV (Comma delimited) (*.csv) Ler o ficheiro em formato : Text files (*.prn; *.txt; *.csv) 188,606.39, 40,161.35, 145,396.18, ... 158,421.84 61,196.93 data_in.csv 24 Abril 2009 Entradas, Saídas e Análise de Dados

6 Entradas, Saídas e Análise de Dados
Ficheiros CSV em EXCEL Trabalhando-se com formatos de números decimal em que o separador decimal é uma vírgula, tem de usar-se como separador um outro caracter (por exemplo o ponto-e-vírgula) e trabalhar-se com ficheiros do formato txt (extensão “.txt”) Tudo o que é necessário fazer é guardar o ficheiro em formato: Text (tab delimited) (*.txt) Ler o ficheiro em formato : Text files (*.prn; *.txt; *.csv) e usar as opções Delimited - Characters such as commas or tabs separate each field. Delimiters - Semicolon 188;606,39; 40;161,35; 145;396,18; ... 158;421,84; 61;196,93; data_in.txt 24 Abril 2009 Entradas, Saídas e Análise de Dados

7 Regressão Linear : Um Exemplo
Um dado produto é fabricado numa linha de produção por lotes. Os lotes são encomendados pelos clientes e têm um número variável de exemplares do produto, de acordo com a ordem do cliente. A empresa produtora está interessada em desenvolver um modelo de produção, de forma a poder prever Qual o tempo que demora cada lote a ser produzido Quais os lotes que são produzidos em mais ou menos tempo que o esperado, de forma a poderem ser analisados os factores que facilitam ou dificultam o fabrico. Para fazer esse estudo a empresa detem um histórico da produção de vários lotes no passado. 24 Abril 2009 Entradas, Saídas e Análise de Dados

8 Regressão Linear : Um Exemplo
O modelo desenvolvido tem em conta que Antes de se começar a produzir o produto é necessário gastar um dado tempo (t0: tempo de setup) para preparar um conjunto de recursos (por exemplo, máquinas e instalações). Uma vez estabelecida essa preparação o número de peças produzidas é basicamente proporcional ao tempo, demorando um tempo t1 a fabricar cada peça. Assim parece apropriado um modelo do tipo, em que o tempo T que necessário para se produzirem P peças é dado por T = t1 P + t0 O problema consiste pois em determinar os valores de t0 e t1 a partir dos dados históricos. 24 Abril 2009 Entradas, Saídas e Análise de Dados

9 Análise de Dados – Regressão Linear
Exemplo Este problema é apenas um exemplo de aplicação da técnica de análise de dados, denominada, regressão linear, que na sua forma geral se pode descrever por Regressão Linear: Dado um conjunto de dados, xi e yi verificar se eles estão numa relação linear Y = m X +b O problema tem dois subproblemas: Determinar os valores de m e b mais apropriados aos valores dos vários pares de valores xi – yi. Avaliar se é razoável assumir a relação linear acima, ou seja, se os pares de valores <xi, yi> a “suportam” (ou ainda, se existe uma boa correlação linear entre X e Y). 24 Abril 2009 Entradas, Saídas e Análise de Dados

10 Regressão Linear : Um Exemplo
Podemos ilustrar esta técnica com dois exemplos gráficos. Os valores de m (inclinação da recta); e de b (intersecção da recta com o eixo Y) são idênticos nos dois casos X e Y têm uma correlação linear forte y X e Y têm uma correlação linear fraca y x x 24 Abril 2009 Entradas, Saídas e Análise de Dados

11 Determinação dos Parâmetros m e b
O tratamento matemático para a determinação dos valores de m e b é relativamente simples. Basicamente pretende determinar-se os valores de m e b que minimizem o erro entre os resultados esperados e os resultados experimentais. Para cada ponto xi-yi o erro “experimental” é dado por ei = yi – (m xi + b) O erro E que se pretende minimizar é o erro quadrático médio, Assim sendo o problema reduz-se a determinar os valores de m e b que minimizam o erro E. 24 Abril 2009 Entradas, Saídas e Análise de Dados

12 Determinação dos Parâmetros m e b
O mínimo de uma função em relação a uma variável ocorre quando a derivada dessa função em ordem a essa variável é nula. Assim sendo, há que obter os zeros das derivadas (parciais) de E em relação às incógnitas m e b. Nota 1: Assume-se uma função contínua e continuamente derivável, caso contrário o mínimo pode não ocorrer no zero da derivada. Nota 2: A função E tem duas variáveis, m e b. A análise em Rn justifica que o mínimo deve corresponder ao zero das duas derivadas. Nota 3: Como o mínimo de coincide com o mínimo de E, pode minimizar-se a função F = E2 =  ei2 Assim o problema reduz-se a determinar os valores de m e b que minimizam o erro, isto é, que garantem bem como 24 Abril 2009 Entradas, Saídas e Análise de Dados

13 Determinação dos Parâmetros m e b
Ora donde Por outro lado 24 Abril 2009 Entradas, Saídas e Análise de Dados

14 Determinação dos Parâmetros m e b
Usando agora o valor de b anteriormente encontrado na fórmula anterior, obtemos 24 Abril 2009 Entradas, Saídas e Análise de Dados

15 Parâmetros m e b em OCTAVE
Assim, dados vectores X e Y, com n valores de xi e yi os valores de m e de b podem ser obtidos através das fórmulas Em Octave, estas expressões podem ser calculadas facilmente. Começamos por definir os vários somatórios envolvidos Sx = sum(X); Sy = sum(Y); Sxx = sum(X.*X); Syy = sum(Y.*Y); Sxy = sum(X.*Y); que são usados nas definições de b e de m m = (n * Sxy – Sx*Sy) / (n*Sxx – Sx^2) b = (Sy – m * Sx) / n 24 Abril 2009 Entradas, Saídas e Análise de Dados

16 r = (n*Sxy – Sx*Sy) / sqrt((n*Sxx – Sx^2)(n*Syy – Sy^2))
Correlação entre X e Y Para medir a qualidade da relação linear entre X e Y pode usar-se o coeficiente de correlação r, definido como Este coeficiente (cuja derivação exige um maior conhecimento de estatística) varia entre 1 (correlação perfeita) e 0 (correlação nula). O seu valor em OCTAVE pode ser obtido naturalmente através das definições anteriores r = (n*Sxy – Sx*Sy) / sqrt((n*Sxx – Sx^2)(n*Syy – Sy^2)) onde Sx = sum(X); Sy = sum(Y); Sxx = sum(X.*X); Syy = sum(Y.*Y); Sxy = sum(X.*Y); 24 Abril 2009 Entradas, Saídas e Análise de Dados

17 Entrada / Saída de Dados
Assumamos pois um ficheiro em duas colunas, em que A primeira coluna representa o número de peças de cada lote (Pi) A segunda coluna, o número de horas necessárias para produzir esse lote (Ti) Objectivos: Ler os dados do ficheiro de entrada;; Estabelecer uma relação linear T = t1 P + t0 ; e Escrever um ficheiro em 3 colunas em que: As duas primeiras colunas são como antes A 3ª coluna, representa a diferença entre o tempo estimado e o tempo gasto efectivamente ... data_in.txt ... data_out.txt 24 Abril 2009 Entradas, Saídas e Análise de Dados

18 Entradas, Saídas e Análise de Dados
Entrada de Dados Após a abertura de um ficheiro texto, ele pode ser lido de duas formas básicas: Leitura caracter a caracter, sendo tarefa do programador interpretar as sequências de caracteres como números, palavras, etc... Leitura de acordo com determinados padrões (templates) em que existem primitivas da linguagem que interpretam directamente os caracteres para o tipo de dados pretendido. Por exemplo, assumamos um ficheiro com a sequência “ 23   45.2 ”. Neste caso podemos ler os 11 caracteres e tendo em atenção os espaços interpretar esses caracteres como dois números (um inteiro e outro decimal). Indicar como padrão de leitura um inteiro seguido de um decimal que são retornados em variáveis indicadas. 24 Abril 2009 Entradas, Saídas e Análise de Dados

19 Entradas, Saídas e Análise de Dados
Leitura de Ficheiros O programa abaixo permite ler um ficheiro com duas colunas de dados, para dois vectores X e Y. A instrução fopen abre o ficheiro com o nome “data_in.txt”, em modo de leitura (argumento“r” - read), e atribui-lhe um ´número de canal ‘fid’, usado posteriormente. A instrução fclose fecha o canal com número ‘fid. [fid,msg] = fopen(“data_in.txt", "r"); i = 0; X = zeros(0,1); Y = zeros(0,1); [xi,yi,count] = fscanf(fid,"%i%f",”C”); while !feof(fid) i = i + 1; X(i) = xi; Y(i) = yi; endwhile; n=i; fclose(fid); ... data_in.txt 24 Abril 2009 Entradas, Saídas e Análise de Dados

20 Entradas, Saídas e Análise de Dados
Leitura de Ficheiros A instrução [xi,yi,count] = fscanf(fid,"%i%f",”C”) permite ler dados do canal de entrada (1º argumento - fid) de acordo com um padrão (template - ,"%i%f") como na linguagem C (3º argumento – “C”) os dados efectivamente lidos são colocados nas variáveis xi e yi o seu número é colocado na variável count. Neste caso, são lidos 2 números do canal de entrada. O primeiro é um inteiro ("%i") e o segundo é decimal ("%f"). ... data_in.txt [xi,yi,count] = fscanf(fid,"%i%f",”C”); xi = 188 yi = count = 2 24 Abril 2009 Entradas, Saídas e Análise de Dados

21 Leitura de Ficheiros Quando não há mais dados para ler, a instrução
[xi,yi,count] = fscanf(fid,"%i%f",”C”) retorna xi e yi vazios (xi = yi = []) e count = 0. Normalmente existe uma função “end of file” para indicar se a última leitura já foi feita após o fim do ficheiro. Em Octave essa função é expressa por feof(fid). [xi,yi,count] = fscanf(fid,"%i%f",”C”), F = feof(fid). count = 2, xi = 88, yi = , F = 0 [xi,yi,count] = fscanf(fid,"%i%f",2) count = 0, xi = [], yi = [], F = 1 ... data_in.txt 24 Abril 2009 Entradas, Saídas e Análise de Dados

22 Entradas, Saídas e Análise de Dados
Leitura de Ficheiros Notas: A chamada de fscanf é feita antes do ciclo. A condição de entrada no ciclo é !feof A variável n guarda o número de pontos X e Y lidos. [fid,msg] = fopen("linear.txt", "r"); i = 0; X = zeros(0,1); Y = zeros(0,1); [xi,yi,count] = fscanf(fid,"%i%f",”C”); while !feof(fid) i = i + 1; X(i) = xi; Y(i) = yi; endwhile; n=i; fclose(fid); ... data_in.txt 24 Abril 2009 Entradas, Saídas e Análise de Dados

23 Entradas, Saídas e Análise de Dados
Tratamento dos Dados Uma vez obtidos os vectores X e Y com n pontos, os parâmetros m, b e r da regressão linear podem ser recalculados. Os erros (entre os valores observados e os valores esperados), são guardados no vector E. sx = sum(X); sy = sum(Y); sxy = sum(X.*Y); syy = sum(Y.*Y); sxx = sum(X.*X); m = (n*sxy-sx*sy)/(n*sxx-sx^2); b = (sy-m*sx)/n; r = (n*sxy-sx*sy)/sqrt((n*sxx-sx^2)*(n*syy-sy^2)); E = zeros(1,n); for i = 1:n E(i) = Y(i) - (m * X(i) + b); endfor; 24 Abril 2009 Entradas, Saídas e Análise de Dados

24 Visualização dos Dados
Ax e Ay , e portanto As, definem os limites dos eixos dos X e Y (na realidade P – nº de peças e T – tempo de fabrico). Os vários plots destinam-se ao eixo X, os valores X e Y (na forma de pontos – formato a recta de regressão (Y2 tem os dois pontos limites) e finalmente os erros (na forma de linhas de impulso – formato “^”). Ax = [0, max(X)]; Ay = [min(E),max(Y)]; As = [Ax,Ay]; Y2 = [m*min(Ax)+b, m*max(Ax)+b]; clg; hold on; axis(As); plot(Ax,[0,0],'6'); plot(Ax,Y2,'2'); plot(X,E,'^1'); 24 Abril 2009 Entradas, Saídas e Análise de Dados

25 ‘ ’,‘ ’,‘2’,’3’,‘ ’,‘ ’,‘4’,‘5’,‘.’,’2’,‘ ’
Saída de Dados O armazenamento de dados num ficheiro segue passos semelhantes. A abertura de um ficheiro em modo escrita, cria um ficheiro, que pode ser escrito de duas formas básicas: Escrita caracter a caracter, sendo tarefa do programador criar as sequências adequadas de caracteres para representar números, palavras, etc... Escrita de acordo com determinados padrões (templates) disponibilizados por primitivas da linguagem. Por exemplo, para se escreverem os dados 23 e 45.2 ( “ 23   45.2 ”) num ficheiro, pode-se escrever os 11 caracteres sequencialmente, isto é, ‘ ’,‘ ’,‘2’,’3’,‘ ’,‘ ’,‘4’,‘5’,‘.’,’2’,‘ ’ indicar como padrão de escrita um inteiro (com 4 dígitos, seguido de um espaço, seguido de um decimal com 5 casas, incluindo uma casa decimal, seguido de um espaço. 24 Abril 2009 Entradas, Saídas e Análise de Dados

26 Entradas, Saídas e Análise de Dados
Escrita de Ficheiros As instruções fopen e fclose são semelhantes, mas com modo de escrita (“w” - write). A instrução fprintf escreve no canal de saída com identificador fid os 3 valores indicados com formatos Inteiro com 5 dígitos (1º dado – X(i)) Decimal, com 7 casas, das quais duas decimais (2º/3º dado – Y(i) e E(i)) Separados por espaços (no template) e com mudança de linha (“\n”) [fid,msg] = fopen("linear_out.txt", "w"); for i = 1:n fprintf(fid,"%5i %7.2f %7.2f\n", X(i),Y(i),E(i)); endfor; fclose(fid); ... data_out.txt 24 Abril 2009 Entradas, Saídas e Análise de Dados

27 Escrita de Ficheiros CSV
As instruções fopen e fclose são semelhantes, mas com modo de escrita (“w” - write). A instrução fprintf escreve no canal de saída com identificador fid os 3 valores indicados, sem comprimento definido dos campos, mas simplesmente separados por vírgulas. [fid,msg] = fopen("linear_out.csv", "w"); for i = 1:n fprintf(fid,"%i,%f,%f,\n", X(i),Y(i),E(i)); endfor; fclose(fid); 188, , , 40, , , 145, , , ... 61, , , 139, , , data_out.csv 24 Abril 2009 Entradas, Saídas e Análise de Dados