- Crear un repo git en donde se bajen esto
git init
git remote add origin <nuestra-nueva-url-de-git>
- Bajarse los repositorios de
pybind
yeigen
como submódulos
git submodule init
git submodule add https://github.com/eigenteam/eigen-git-mirror
git submodule add https://github.com/pybind/pybind11
git mv eigen-git-mirror eigen
# Elegimos versiones de eigen y pybind
cd pybind11/ && git checkout v2.2.4 && cd ..
cd eigen && git checkout 3.3.7 && cd ..
- Instalar requerimientos
pip install -r requirements.txt
- Descomprimir datos
cd data && gunzip *.gz && cd ..
- Correr Jupyter
jupyter lab
Listo!
En data/
tenemos datos preprocesados de la OMS (data/expectativa_de_vida.csv
) y su descripción (data/expectativa_de_vida_descripcion.txt
). Además de otros indicadores y métricas añadidos para completar los mismos.
En src/
está el código de C++, en particular en src/metnum.cpp
está el entry-point de pybind.
En notebooks/
está el análisis exploratorio de datos (notebooks/analisis.ipynb
), los modelos de regresión que fueron probados
(notebooks/modelado.ipynb
) y el test de las funciones de regresión lineal (notebooks/test.ipynb
)
Ejecutar la primera celda del notebook notebooks/test.ipynb
o seguir los siguientes pasos:
- Compilar el código C++ en un módulo de python
mkdir build
cd build
rm -rf *
cmake -DPYTHON_EXECUTABLE="$(which python)" -DCMAKE_BUILD_TYPE=Release ..
- Al ejecutar el siguiente comando se compila e instala la librería en el directorio
notebooks
make install