# 导入必要库
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
import numpy as np

# 设置中文字体（避免中文乱码）
plt.rcParams['font.sans-serif'] = ['WenQuanYi Zen Hei']
plt.rcParams['axes.unicode_minus'] = False

# 1. 读取数据
df = pd.read_csv('/mnt/code_20251204.csv')
# 验证数据结构
print("数据前5行：")
print(df.head())
print("\n数据列名：", df.columns.tolist())

# 2. 数据预处理（定义自变量X和因变量y）
X = df['时间(秒)'].values.reshape(-1, 1)  # 时间转为二维数组（模型要求）
y = df['V2(mV)'].values                  # V2电压值

# 3. 构建线性回归模型
model = LinearRegression()
model.fit(X, y)
# 计算回归参数
slope = model.coef_[0]          # 斜率（每秒电压变化量）
intercept = model.intercept_    # 截距（初始电压预测值）
r_squared = model.score(X, y)   # 决定系数R²（拟合优度）
# 生成回归预测值
y_pred = model.predict(X)

# 4. 绘制图表
fig, ax = plt.subplots(figsize=(12, 8))

# 绘制原始数据折线
ax.plot(df['时间(秒)'], y, color='#1f77b4', linewidth=2.5, 
        marker='o', markersize=8, label='V2原始电压')
# 绘制线性回归趋势线
ax.plot(df['时间(秒)'], y_pred, color='#d62728', linewidth=2, 
        linestyle='--', label=f'线性回归趋势 (R²={r_squared:.4f})')

# 添加数据点数值标签
for i, (x, y_val) in enumerate(zip(df['时间(秒)'], y)):
    ax.annotate(f'{y_val:.2f}', (x, y_val), 
                textcoords="offset points", xytext=(0,10), 
                ha='center', fontsize=9, color='#1f77b4')

# 设置图表样式
ax.set_title('V2电压随时间变化曲线（含线性回归）', fontsize=16, fontweight='bold', pad=20)
ax.set_xlabel('时间（秒）', fontsize=12, fontweight='bold')
ax.set_ylabel('V2电压（mV）', fontsize=12, fontweight='bold')
ax.set_xlim(-10, 280)  # 横轴范围微调，避免数据贴边
ax.set_ylim(1.8, 2.4)  # 纵轴范围微调，突出变化趋势
ax.grid(True, alpha=0.3, linestyle='-', linewidth=0.5)  # 添加网格线
ax.legend(fontsize=11, loc='upper right')  # 图例位置

# 标注回归方程
equation = f'y = {slope:.6f}x + {intercept:.4f}'
ax.text(0.02, 0.02, equation, transform=ax.transAxes, 
        fontsize=11, bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.8),
        verticalalignment='bottom')

# 保存图表
plt.tight_layout()
plt.savefig('/mnt/v2_time_regression_redo.png', dpi=300, bbox_inches='tight')
plt.close()

# 输出回归模型关键参数
print(f"\n线性回归模型参数：")
print(f"回归方程：V2电压 = {slope:.6f} × 时间(秒) + {intercept:.4f}")
print(f"每秒电压变化量（斜率）：{slope:.6f} mV/秒")
print(f"初始电压预测值（截距）：{intercept:.4f} mV")
print(f"拟合优度（R²）：{r_squared:.4f}")