Metadata-Version: 2.1
Name: salopylib
Version: 1.4.3
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

# Libreria con 4 mÃ³dulos para el ajuste de datos con Kernels diferentes.

## Modulo 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 mediante el metodo ajusteGauss, y los grafica, con el metodo de plotG.

## Modulo 2.
Cuenta con una clase que realiza el ajuste de datos de fecha vs cantidad a una curva suave por medio de un kernel Tricube mediante el mÃ©todo ajuste3C, y los grafica, con el metodo de plot3C.

## Modulo 3.
Cuenta con una clase que realiza el ajuste de datos de fecha vs cantidad a una curva suave por medio de un kernel de Epanechnikov mediante el mÃ©todo ajusteEpa, y los grafica, con el metodo de plotE.

## MÃ³dulo 4.
Cuenta con una clase que realiza la comparacion grafica entre los kernels Gaussiano, Tricube y Epanechnikov para ajuste de datos de fecha vs cantidad a una curva suave y hace su respectiva graficaciÃ³n en el mÃ©todo plotComp,

Todos los metodos necesitan los siguientes datos:
    path: direccion 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
        mas suave sera la curva de ajuste pero mas se alejara de los datos ingresados y viceversa.

    Nota: La columnas del archivo csv a usar deben tener el nombre literal: fecha_actualizacion y       nuevos_casos
