Skip to content

kevinalexandr19/manual-python-geologia

Repository files navigation

Python para Geólogos

🛠️ Detalles finales en proceso 💡

Versión: 2.5 (Agosto 2024)

Si tienes cuenta en Github, no olvides darle una estrella al proyecto para que siga creciendo ⭐


portada


Autor: Kevin Alexander Gómez


¿Quieres probar el código en menos de 2 minutos y sin necesidad de instalar Python?

Ingresa a la aplicación haciendo clic aquí ☞ Binder


¿Tienes Python instalado en tu computadora?

Puedes descargar todo el contenido del proyecto haciendo clic aquí ☞ Google Drive


Descripción

Este proyecto académico fue creado con la finalidad de facilitar el aprendizaje en Python para estudiantes y profesionales en el campo de la Geología y ramas afines.

Desarrollando un pensamiento algorítmico, aprenderás a usar código en Python para la solución de problemas en Geología.

Es recomendable tener conocimientos previos en geología general, estadística y álgebra lineal.
También es importante tener perseverancia para aprender cada tema y creatividad para resolver problemas.


Índice Binder

Todos los capítulos están disponibles dentro del repositorio como notebooks de Jupyter .ipynb.
Es recomendable descargar el contenido del repositorio y usarlo como plantilla para desarrollar tus propios notebooks.

  • Fundamentos de programación geológica
    • PG001 - Fundamentos de Python
      • Variables geológicas
      • ¿Cómo mostrar un resultado en Python?
      • Lógica computacional
      • Estructuras de datos
      • Automatización de tareas en Geología
      • Programación orientada a objetos
    • PG002 - Librerías fundamentales de Python
      • Numpy
      • Pandas
      • Matplotlib
      • SQLite - Bases de datos
      • Midiendo el tiempo con Python
    • PG003 - Librerías de automatización
      • Interactividad en Python
      • Procesando PDFs en Python
      • Automatización de reportes
    • PG099 - Ejercicios de programación geológica
    • PG099 - Ejercicios de programación geológica (Solucionario)
  • Estadística y Matemática
    • PG101 - Fundamentos de Estadística
      • Estadística descriptiva
      • Variables aleatorias
      • Estadística inferencial
      • Bootstrap
      • Simulación de Montecarlo
      • Datasaurus
    • PG102 - Análisis de datos en Geología
      • Análisis descriptivo
      • Análisis exploratorio de datos
      • Análisis inferencial
      • Bases de datos - Sondajes
    • PG103 - Visualización de datos en Geología
      • Seaborn
      • Plotly
      • Visualización de datos
      • Visualización de sondajes en 3D
      • Visualización de un modelo de bloques en 3D
  • Ciencia de datos y Machine Learning
    • PG200 - Fundamentos de Machine Learning
    • PG201 - Aprendizaje supervisado
      • Regresión lineal
      • Regresión logística
      • Árboles de decisión (DT)
      • Random Forest (RF)
      • Support Vector Machine (SVM)
    • PG202 - Aprendizaje no supervisado
      • Análisis de componentes principales (PCA)
      • Clustering con K-means
    • PG203 - Deep Learning
      • Fundamentos de Deep Learning
  • Aplicaciones en Geología
    • PG301 - Geoestadística
      • Introducción al Variograma
      • Variograma 1D
      • Declustering
    • PG302 - Geoquímica
      • Pyrolite
      • Diagrama de clasificación QAP
    • PG303 - Análisis geoespacial
      • Shapely
      • Geopandas
      • Rioxarray
      • Leafmap
    • PG304 - Geofísica
      • Visualización de registros de pozo
    • PG305 - Estratigrafía y Sedimentología
      • StratiLib - Columnas estratigráficas
    • PG306 - Geología estructural y Geomecánica
      • Mplstereonet
      • Estimación de la probabilidad de fallo en un talud

Plantillas de trabajo

  • Plantilla para visualizar sondajes en 3D

¿Cómo usar el contenido de este proyecto?

El proyecto contiene documentos en formato .ipynb y se pueden abrir de las siguientes formas:

  • A través de un navegador web, usando la aplicación de Google Colab.
  • Usando Binder, una aplicación web que permite ejecutar código arbitrario dentro de un entorno virtual (similar a Google Colab).
  • A través de un editor de código instalado en tu computadora, como por ejemplo: Jupyter Lab, Jupyter Notebook o Visual Studio Code.

Si no tienes instalado Python, puedes seguir las indicaciones del archivo instalar_python.ipynb.


Referencias