# -*- encoding:utf-8 -*-

'''
@Author : dingjiawen
@Date : 2023/11/20 19:30
@Usage : 
@Desc :
'''

import matplotlib.pyplot as plt
import time


def plot_prediction(total_data, predicted_data_easy, predicted_data_hard, save_fig_name, predict_num=50):
    font1 = {'family': 'Times New Roman', 'weight': 'normal', 'size': 15}  # 设置坐标标签的字体大小，字体
    font2 = {'family': 'Times New Roman', 'weight': 'normal', 'size': 15}  # 设置坐标标签的字体大小，字体
    timestamp = str(int(time.time()))[-4:]  # 画图的时间戳取后四位
    plt.figure(1)

    '''保存的模型参数的路径'''

    from matplotlib import rcParams

    config = {
        "font.family": 'Times New Roman',  # 设置字体类型
        "axes.unicode_minus": False,  # 解决负号无法显示的问题
        "axes.labelsize": 13
    }
    rcParams.update(config)

    # 简单预测图
    length = len(predicted_data_easy)
    plt.scatter(list(range(length)), total_data, c='blue', s=12, label='Actual value')
    plt.plot(list(range(length - predict_num)),
             predicted_data_easy[:length - predict_num], linewidth=2, color='red',
             label='Traning value')
    plt.scatter(list(range(length - predict_num, length)), predicted_data_easy[length - predict_num:length], c='black',
                s=15, label='Predictive value')
    plt.axhline(total_data[-1], linewidth=2, c='green', label='Failure threshold')
    # plt.title()
    plt.xlabel('Serial number of the fusion feature point', font=font1)
    plt.ylabel('Virtual health indicator', font=font1)

    plt.legend(loc='upper left', prop=font2)
    plt.savefig(save_fig_name + 'easy{0}.png'.format(timestamp))
    plt.show()

    # 困难预测图
    plt.figure(2)

    '''保存的模型参数的路径'''
    config = {
        "font.family": 'Times New Roman',  # 设置字体类型
        "axes.unicode_minus": False,  # 解决负号无法显示的问题
        "axes.labelsize": 13
    }
    rcParams.update(config)

    # 简单预测图
    length = len(predicted_data_easy)

    plt.scatter(list(range(length)), total_data, c='blue', s=12, label='Actual value')
    plt.plot(list(range(length - predict_num)),
             predicted_data_hard[:length - predict_num], linewidth=2, color='red',
             label='Traning value')
    plt.scatter(list(range(length - predict_num, length)), predicted_data_hard[length - predict_num:length], c='black',
                s=15, label='Predictive value')
    # plt.title()
    plt.xlabel('Serial number of the fusion feature point', font=font1)
    plt.ylabel('Virtual health indicator', font=font1)
    plt.axhline(total_data[-1], linewidth=2, c='green', label='Failure threshold')
    plt.legend(loc='upper left', prop=font2)

    plt.savefig(save_fig_name + 'hard{0}.png'.format(timestamp))
    plt.show()


def plot_forSelf(total_data, predicted_data_easy, predicted_data_hard):
    pic1 = plt.figure(figsize=(8, 6), dpi=200)

    '''保存的模型参数的路径'''

    from matplotlib import rcParams

    config = {
        "font.family": 'Times New Roman',  # 设置字体类型
        "axes.unicode_minus": False,  # 解决负号无法显示的问题
        "axes.labelsize": 13
    }
    rcParams.update(config)

    # 简单预测图
    plt.subplot(2, 1, 1)
    plt.plot(total_data)
    plt.plot(predicted_data_easy)
    plt.title('Easy Prediction')
    plt.xlabel('time')
    plt.ylabel('loss')
    # plt.legend(loc='upper right')

    # 困难预测图
    plt.subplot(2, 1, 2)
    plt.plot(total_data)
    plt.plot(predicted_data_hard)
    plt.title('Easy Prediction')
    plt.xlabel('time')
    plt.ylabel('loss')

    # plt.legend(loc='upper right')

    # plt.scatter()

    plt.show()