import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris

class lab4:

    def __init__(self):
        pass

    def main(self):
        matplotlib.use('TkAgg')

        # Загрузим данные Ирисов Фишера
        data = load_iris()
        X = data.data # признаки ирисов
        Y = data.target # сорта ирисов
        Y_str = data.target_names # названия сортов ирисов
        setosa_inds = Y == np.where(Y_str == "setosa")
        setosa_data = X[np.ravel(setosa_inds), :]
        virginica_inds = Y == np.where(Y_str == "virginica")
        virginica_data = X[np.ravel(virginica_inds), :]

        # трехмерная скаттерограмма setosa и virginica
        fig = plt.figure()
        ax = plt.axes(projection='3d')
        ax.set_title('Cкаттерограмма setosa и virginica')

        x = setosa_data[:, 1]
        y = setosa_data[:, 3]
        z = setosa_data[:, 0]
        ax.scatter(x, y, z, c='blue')

        x = virginica_data[:, 1]
        y = virginica_data[:, 3]
        z = virginica_data[:, 0]
        ax.scatter(x, y, z, c='red')
        ax.set_xlabel('Ширина чашелистика')
        ax.set_ylabel('Ширина лепестка')
        ax.set_zlabel('Длина чашелистика')

        plt.show()

        # разница средних значений по всем признакам
        diff_mean = np.mean(setosa_data, axis=0) - np.mean(virginica_data, axis=0)
        print ('Разница средних значений:', diff_mean)

        # сумма матриц ковариации
        sum_covariance = np.cov(setosa_data, rowvar=0) + np.cov(virginica_data, rowvar=0)
        print ('Сумма матриц ковариации:',sum_covariance)

        # ненормированный весовой вектор
        W = np.matmul(np.linalg.inv(sum_covariance), diff_mean)
        print ('Ненормируемый весовой вектор:',W)

        # нормируемирование весового вектора
        w = W/np.linalg.norm(W)
        print ('Нормируемый весовой вектор:', w)

        # проекции исходных объектов на полученный весовой вектор
        proj_setosa = np.matmul(setosa_data, w)
        print ('Проекция сетоса', proj_setosa)
        proj_virginica = np.matmul(virginica_data, w)

        #Гистограмма проекций объектов на весовой вектор
        hist_data = np.vstack((proj_setosa, proj_virginica))
        plt.hist(hist_data.T)
        print ('Значения гистограммы', hist_data.T)
        plt.xlabel('Значение проекции объекта')
        plt.ylabel('Проекция на весовой вектор')
        plt.title('Гистограмма')
        plt.show()
        lim=(np.mean(proj_setosa)+np.mean(proj_virginica))/2
        print(lim)


if __name__ == "__main__":
    l4 = lab4()
    l4.main()