VESPY - Vertical Electrical Sounding in Python

VESPY es una aplicación de escritorio moderna y potente desarrollada en Python para el análisis completo de datos de Sondeos Eléctricos Verticales (SEV/VES). Diseñada para geofísicos, hidrogeólogos e investigadores, VESPY ofrece un flujo de trabajo completo desde la carga de datos hasta la generación de perfiles 2D interpolados.

---

🌟 Características Principales

📂 Carga de Datos Inteligente

• Mapeo interactivo de columnas: Diálogo intuitivo para mapear columnas de archivos con nombres no estándar
• Detección automática: Reconoce automáticamente columnas AB/2, MN/2 y resistividad aparente
• Formatos soportados: Excel (.xlsx, .xls), CSV (.csv), TXT separado por tabuladores
• Limpieza automática: Elimina espacios en blanco y valores nulos

🔧 Preprocesamiento de Datos

• Empalme (Averaging): Promedia datos con mismo AB/2 pero diferente MN/2 para eliminar duplicados
• Filtros de suavizado:
  • 📊 Media Móvil: Reduce ruido preservando tendencias
  • 📈 Savitzky-Golay: Suavizado polinomial avanzado
  • 📉 Exponencial: Suavizado adaptativo exponencial
• Flujo coherente: Los datos preprocesados se usan automáticamente en la inversión

⚡ Inversión de Resistividad

• PyGIMLi integrado: Inversión de alta calidad con VESManager
• Algoritmo de Occam: Busca el modelo más simple que explique los datos
• Parámetros configurables:
  • Número de capas (1-20)
  • Lambda (λ): Factor de regularización (1-100)
  • Factor Lambda: Reducción por iteración (0.5-1.0)
• Métricas de calidad: Chi² y RMS para evaluar el ajuste
• Fallback inteligente: Inversión simple si PyGIMLi no está disponible

📊 Análisis Estadístico Avanzado

• Estadísticas descriptivas (media, mediana, desviación estándar)
• Análisis de asimetría y curtosis
• Transformada de Fourier (FFT) para detectar periodicidades
• Visualización con histogramas, boxplots y scatter plots
• Identificación de valores atípicos

🎨 Visualización de Alta Calidad

• Gráfico de curvas: Visualiza datos originales, empalme y suavizado en escala log-log
• Análisis estadístico: Múltiples gráficos estadísticos en una sola vista
• Resultados de inversión: Ajuste del modelo y perfil 1D de capas
• Perfiles 2D interpolados:
  • Interpolación lineal, cúbica o vecino más cercano
  • Mapas de colores profesionales (jet, rainbow, viridis, plasma, inferno, magma)
  • Marcadores de posición de SEV
  • Exportación en alta resolución

💾 Gestión de Modelos

• Guardar modelos con posición X: Sistema de coordenadas para perfiles 2D
• Sugerencias inteligentes: Auto-sugiere posiciones (0, 20, 40, 60...)
• Múltiples modelos: Almacena varios modelos invertidos para perfiles
• Exportación: Guarda modelos en formato estructurado

📚 Tutorial Notebooks

VESPY incluye una serie completa de tutoriales Jupyter para enseñar procesamiento de SEV paso a paso:

• 01_Introduccion_SEV.ipynb: Conceptos básicos y teoría de SEV
• 02_Preprocesamiento_SEV.ipynb: Empalme, filtros y limpieza de datos
• 03_Inversion_PyGIMLi.ipynb: Inversión avanzada con PyGIMLi, parámetros y evaluación
• 04_Visualizacion_2D.ipynb: Generación de perfiles 2D interpolados

✨ Interfaz de Usuario Moderna

• Diseño horizontal optimizado: Proporción 18:57:25 (controles:gráficos:tablas)
• Iconos emoji: Sin dependencia de archivos de imágenes externos
• Pestañas organizadas: Navegación clara entre diferentes vistas
• Terminal integrado: Feedback en tiempo real de operaciones
• Tablas interactivas: Visualiza datos cargados y modelos invertidos

---

🚀 Instalación y Configuración

Requisitos Previos

• Python 3.8 o superior
• Conda (Anaconda o Miniconda)
• Windows, macOS o Linux

Instalación con Conda (Recomendado)

# 1. Crear entorno con PyGIMLi
conda create -n vespy -c gimli -c conda-forge pygimli

# 2. Activar el entorno
conda activate vespy

# 3. Instalar dependencias
pip install PyQt5 pandas numpy matplotlib seaborn scipy

Instalación sin PyGIMLi (Funcionalidad Limitada)

Si no puedes instalar PyGIMLi, VESPY funcionará con inversión simplificada:

# Crear entorno Python
python -m venv vespy-env

# Activar entorno (Windows)
vespy-env\Scripts\activate

# Activar entorno (Linux/macOS)
source vespy-env/bin/activate

# Instalar dependencias básicas
pip install PyQt5 pandas numpy matplotlib seaborn scipy

Ejecutar VESPY

# Activar el entorno
conda activate vespy

# Ejecutar la aplicación
python src/vespy.py

---

📦 Dependencias

Obligatorias

• PyQt5 (>=5.15.0) - Interfaz gráfica moderna
• pandas (>=1.3.0) - Manipulación y análisis de datos
• numpy (>=1.21.0) - Cálculos numéricos
• matplotlib (>=3.4.0) - Visualización de gráficos
• seaborn (>=0.11.0) - Gráficos estadísticos avanzados
• scipy (>=1.7.0) - Procesamiento científico e interpolación

Opcionales

• pygimli (>=1.5.0) - Inversión geofísica de alta calidad (recomendado)

---

📁 Estructura del Proyecto

vespy/
├── src/
│   └── vespy.py           # Aplicación principal (monolítica)
├── notebooks/
│   ├── 01_Introduccion_SEV.ipynb
│   ├── 02_Preprocesamiento_SEV.ipynb
│   ├── 03_Inversion_PyGIMLi.ipynb
│   └── 04_Visualizacion_2D.ipynb
├── images/
│   └── logo.png
├── aditional-data/
│   └── members.csv        # Datos de ejemplo
├── README.md
└── LICENSE

---

📋 Formato de Datos

VESPY acepta archivos con las siguientes columnas (nombres flexibles gracias al mapeo interactivo):

Columnas requeridas:

• AB/2: Espaciamiento del arreglo de corriente (metros)
• pa (Ω·m): Resistividad aparente (ohm-metro)

Columnas opcionales:

• MN/2: Espaciamiento del arreglo de potencial (metros)
• Otras columnas son ignoradas automáticamente

Ejemplo de formato:

AB/2,MN/2,pa (Ω*m)
1.5,0.5,45.2
2.0,0.5,52.3
3.0,0.5,68.5
4.5,0.5,85.2

💡 Nota: Si tus columnas tienen nombres diferentes (ej: "Resistividad", "Espaciamiento"), el diálogo de mapeo te permitirá seleccionarlas manualmente.

---

🔧 Flujo de Trabajo

1️⃣ Cargar Datos

📂 Cargar → Seleccionar archivo → Mapear columnas → ✅ Datos cargados

2️⃣ Preprocesar (Opcional)

🔗 Empalme: Promediar datos con mismo AB/2
✨ Suavizado: Aplicar filtro para reducir ruido

⚠️ Importante: Los datos preprocesados se usan automáticamente en la inversión.

3️⃣ Invertir

⚡ Configurar parámetros → Inversión → 📊 Modelo de capas 1D

4️⃣ Guardar Modelo

💾 Guardar con posición X → Repetir para múltiples SEV

5️⃣ Generar Perfil 2D

🗺️ Interpolación → Visualización 2D → 💾 Exportar PNG

---

🎓 Tutoriales Jupyter

Los notebooks en la carpeta notebooks/ cubren:

1. 01_Introduccion_SEV: Teoría de SEV, configuración Schlumberger, interpretación de curvas
2. 02_Preprocesamiento_SEV: Técnicas de empalme, filtros de suavizado, detección de outliers
3. 03_Inversion_PyGIMLi: Uso de PyGIMLi, parámetros de regularización, evaluación de ajuste
4. 04_Visualizacion_2D: Interpolación espacial, generación de perfiles, exportación

---

🤝 Contribución

¡Las contribuciones son bienvenidas! Si deseas mejorar VESPY:

1. Haz un fork del repositorio
2. Crea una rama para tu feature (git checkout -b feature/nueva-funcionalidad)
3. Commit tus cambios (git commit -m 'Agregar nueva funcionalidad')
4. Push a la rama (git push origin feature/nueva-funcionalidad)
5. Abre un Pull Request

---

📄 Licencia

Este proyecto está bajo la Licencia MIT. Ver archivo LICENSE para más detalles.

---

☕ Apoya el Proyecto

Si VESPY te resulta útil, considera apoyar su desarrollo:

• ☕ Café: Apoyo básico y acceso a actualizaciones
• 🌱 Principiante: Acceso anticipado a nuevas funciones
• ⚡ Frecuencias: Soporte prioritario y herramientas avanzadas

🏆 Patrocinadores

Buy Me a Coffee ☕:

• Jose David Carrillo - $9.90 USD

Nivel Café ☕:

• Jorge Mario Manjarres Contreras

Comunidad 🌟:

• Christhofer Omar Urquizo Quiroz
• José David Sanabria Gómez
• Antonio Suero Moreno
• Pablo Armando Topes Rojas
• Diego Gonzalez
• Francisco Lopez
• Timeslice
• Esthefany Astudillo
• Cursos Olegario
• RODRIGO TELLO
• Abril Fuentes
• Arturo Ortiz
• Reis dedektor yeralti goruntuleme
• Velnia Chacca Luna
• Gustavo Medina
• Jorge Victor Obregon Leon
• Leonardo Nicolas Quispe Mendoza
• Ricardo Pizarro
• Homero Loaiza Sanchez
• Jesús Limón
• Erik Robinson Trincado Cabezas

---

📧 Contacto

Autor: Jose Maria Garcia Marquez
Email: josemariagarciamarquez2.72@gmail.com
Web: josemariagarciamarquez.github.io/webjoma
GitHub: @JoseMariaGarciaMarquez
Patreon: patreon.com/chemitas

---

VESPY - Vertical Electrical Sounding in Python
Desarrollado con ❤️ para la comunidad geofísica