Python para Geólogos

Versión: 2.4 (Abril 2024)

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

---

Autor: Kevin Alexander Gómez

Contacto: kevinalexandr19@gmail.com | Linkedin | Github

---

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

Ingresa a la aplicación haciendo clic aquí ☞ ***

¿Tienes Python instalado en tu computadora?

Puedes descargar todo el contenido del proyecto haciendo clic aquí ☞

---

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

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
    • Interactividad en Python
    • Midiendo el tiempo con Python
  • PG003 - Librerías de automatización
    • Procesando PDFs en Python
  • 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
  • PG102 - Análisis de datos en Geología
    • Análisis descriptivo
    • Análisis exploratorio de datos
    • Análisis inferencial
  • 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 y 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
    • Mplstereonet
  • PG307 - Geotecnia
    • 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 Anexos.ipynb.

---

Referencias

• Barbieri, R., Garelik, C. (2022). La matemática y las geociencias. Editorial UNRN (pp. 15 y 136).
• GEOROC (2023). Geochemistry of Rocks of the Oceans and Continents. Geoscience Centre Göttingen, Germany.
• Mälicke, M. (2022). SciKit-GStat 1.0: a SciPy-flavored geostatistical variogram estimation toolbox written in Python. European Geosciences Union, Volume 15, issue 6. Institute for Water and River Basin Management, Karlsruhe Institute of Technology (KIT), Karlsruhe, Germany.
• Marsden, Eric. (2021). Monte Carlo simulation for estimating slope failure risk.
• Merlino, Rubens (2022). Stratilib.
• Petrelli, M. (2021). Introduction to Python in Earth Science Data Analysis. Repositorio en Github.
• Pyrcz, M. (2021). Python Numerical Demos.
• Suarez-Burgoa, L. (2017). Matematización de la geología. Boletín de Ciencias de la Tierra 41 (pp. 30 - 38). Universidad Nacional de Colombia.
• Trauth, M. (2022). Python Recipes for Earth Sciences. Institute of Geosciences, University of Potsdam, Potsdam, Brandenburg, Germany.
• Wu, Qiusheng (2023). Leafmap Geopython Tutorials.