Metadata-Version: 2.1
Name: salopylib
Version: 1.3.1
Summary: Ajuste de datos con Kernels
Home-page: https://www.instagram.com/salo_mei343/
Author: Salo <3
Author-email: salome.osoriom@udea.edu.co
License: MIT
Requires-Python: >=3.11.2
Description-Content-Type: text/markdown
Requires-Dist: numpy==1.26.1
Requires-Dist: matplotlib==3.8.1
Requires-Dist: pandas==2.1.2

# LibrerÃ­a con dos mÃ³dulos para el ajuste de datos con Kernels diferentes.

## MÃ³dulo 1
Cuenta con una clase que realiza el ajuste de datos de fecha vs cantidad a una curva suave por medio de un kernel gaussiano, tricube o de Epanechnikov y hace su respectiva graficaciÃ³n, a partir de los siguientes datos:
    path: direccciÃ³n en que se encuentra el archivo csv que contiene los datos. 
    h: factor que determina la "suavidad" de la curva y la exactitud del ajuste. Entre menor sea su valor
        mÃ¡s suave serÃ¡ la curva de ajuste pero mÃ¡s se alejarÃ¡ de los datos ingresados y vicecversa.
    tipo: tipo de kernel a usar, puede ser Gaussiano, Tricube o Epanechnikov. Debe ingresarse de forma literal como string
    Nota: La columnas del csv a usar deben tener el nombre literal: fecha_actualizacion y nuevos_casos

## MÃ³dulo 2 
Cuenta con una clase que realiza la comparacion grafica entre distintos tipos de kernel para ajuste de datos de fecha vs cantidad a una curva suave y hace su respectiva graficaciÃ³n, a partir de los siguientes datos:
    path: direccciÃ³n en que se encuentra el archivo csv que contiene los datos. 
    h: factor que determina la "suavidad" de la curva y la exactitud del ajuste. Entre menor sea su valor
        mÃ¡s suave serÃ¡ la curva de ajuste pero mÃ¡s se alejarÃ¡ de los datos ingresados y vicecversa.
    Nota: La columnas del csv a usar deben tener el nombre literal: fecha_actualizacion y nuevos_casos
