import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import matplotlib

class lab6:

    def __init__(self):
        pass

    def main(self):

        matplotlib.use('TkAgg')

        #создание массивов
        g1 = [[0.7, 0.3, 1.2],
            [0.5, 0.7, 1.0],
            [0.4, 1.0, 0.4],
            [0.7, 0.7, 1.0],
            [0.6, 0.6, 1.5],
            [0.6, 0.6, 1.2],
            [0.6, 0.5, 1.0],
            [0.4, 0.9, 0.6],
            [0.5, 0.6, 1.1],
            [0.8, 0.3, 1.2]]
        g2 = [[0.4, 0.2, 0.8],
            [0.2, 0.2, 0.7],
            [0.9, 0.3, 0.5],
            [0.8, 0.3, 0.6],
            [0.5, 0.6, 0.4],
            [0.6, 0.5, 0.7],
            [0.4, 0.4, 1.2],
            [0.6, 0.3, 1.0],
            [0.3, 0.2, 0.6],
            [0.5, 0.5, 0.8]]
        # Создание датафреймов
        df_g1 = pd.DataFrame(g1, columns=['X1', 'Y1', 'Z1'])
        df_g2 = pd.DataFrame(g2, columns=['X2', 'Y2', 'Z2'])
        # Объединение датафреймов
        df = pd.concat([df_g1, df_g2], axis=1)
        # п3: построение скаттерограммы
        fig = plt.figure()
        ax = fig.add_subplot(111, projection='3d')
        # Наносим точки на график
        ax.scatter(df.iloc[:, 0],
            df.iloc[:, 1],
            df.iloc[:, 2],
            color='midnightblue')
        ax.scatter(df.iloc[:, 3],
            df.iloc[:, 4],
            df.iloc[:, 5],
            color='darkred')
        ax.set_xlabel('1 признак')
        ax.set_ylabel('2 признак')
        ax.set_zlabel('3 признак')
        plt.legend(['g1', 'g2'])
        plt.show()

        # п2: последовательное обучение с коррекцией ошибки
        one = np.ones((10, 1))
        g1 = np.hstack((g1, one))
        g2 = np.hstack((g2, one))
        g2 = (-1)*np.array(g2)
        g = np.vstack((g1, g2))
        W = np.mean(g1, axis=0) - np.mean(g2, axis=0)
        w = W/np.linalg.norm(W)
        proj1=np.matmul(g,w)
        print (proj1)
        plt.figure(3)
        plt.subplot(1, 2, 1)
        plt.hist(proj1.T[0:9], bins= 10,color = ('firebrick'), alpha=0.7, edgecolor = 'black',label='g1')
        plt.hist((-1)*proj1.T[10:19], bins= 10,color = ('indigo'), alpha=0.7, edgecolor ='black',label='g2')
        plt.legend()
        plt.xlabel('Значение')
        plt.ylabel('Количество')
        plt.title('Гистограмма первого приближения')
        learn_coeff = 0.1
        while min(proj1)<0:
            for ind, data_sample in enumerate(g):
                proj1[ind] = np.matmul(data_sample, w)
                if proj1[ind]<0:
                    w = w + data_sample*learn_coeff
                proj = np.matmul(g, w)
        v1 = np.matmul(g, w)
        # Построение гистограммы проекций
        plt.subplot(1, 2, 2)
        plt.hist(v1.T[0:9], bins= 10,color = ('firebrick'), alpha=0.7, edgecolor = 'black',label='g1')
        plt.hist((-1)*v1.T[10:19], bins= 10,color = ('indigo'), alpha=0.7, edgecolor ='black',label='g2')
        plt.xlabel('Значение')
        plt.ylabel('Количество')
        plt.title('Гистограмма после обучения')
        plt.legend()
        plt.show()


if __name__ == "__main__":
    l6 = lab6()
    l6.main()