[ENG]

This project uses various Python libraries for data analysis and visualization, including NumPy, Pandas, Matplotlib, Seaborn, Plotly Express, and SciPy.

• NumPy (np): It supports matrix and vector operations, essential for efficient mathematical calculations.

• Pandas (pd): Especially useful for working with tabular data structures, such as dataframes, and provides tools to load, clean, transform, and analyze data efficiently.

• Matplotlib.pyplot (plt): It offers a variety of functions to create static plots, such as line plots, scatter plots, bar plots, among others.

• Seaborn (sns): Facilitates the creation of more attractive and informative plots.

• Time: Used to measure program execution time or introduce delays.

• Plotly Express (px): Supports various types of plots, such as scatter plots, line plots, bar plots, among others.

• SciPy.optimize.curve_fit: Useful for finding parameters of a mathematical model that best fit the observed data.

• Scipy.interpolate: Useful for estimating values between observed data points.

These libraries and methods are used in the project to load experimental data, fit curves to the data, interpolate values, analyze, and visualize battery performance based on state of charge (SOC) and other relevant parameters.

[PTBR]

Este projeto utiliza várias bibliotecas em Python para análise de dados e visualização, incluindo NumPy, Pandas, Matplotlib, Seaborn, Plotly Express e SciPy.

• NumPy (np): Oferece suporte para operações de matriz e vetor, essenciais para cálculos matemáticos eficientes.

• Pandas (pd): Especialmente útil para trabalhar com estruturas de dados tabulares, como dataframes, e oferece ferramentas para carregar, limpar, transformar e analisar dados de forma eficiente.

• Matplotlib.pyplot (plt): Oferece uma variedade de funções para criar gráficos estáticos, como gráficos de linha, de dispersão, de barras, entre outros.

• Seaborn (sns): Facilita a criação de gráficos mais atraentes e informativos.

• Time: Usada para medir o tempo de execução de um programa ou para introduzir atrasos.

• Plotly Express (px): Oferece suporte para uma variedade de tipos de gráficos, como gráficos de dispersão, de linha, de barras, entre outros.

• SciPy.optimize.curve_fit: É útil para encontrar os parâmetros de um modelo matemático que melhor se ajustam aos dados observados.

• Scipy.interpolate: É útil para estimar valores entre pontos de dados observados.

Essas bibliotecas e métodos são utilizados no projeto para carregar dados experimentais, ajustar curvas aos dados, interpolar valores, analisar e visualizar o desempenho da bateria com base no estado de carga (SOC) e outros parâmetros relevantes.