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

# 读取CSV文件
file_path = r"D:\WQ\zhanghuilai\hyperspectral-inversion\data\input\一代高光谱\2025-07-11_2025-07-21\筛选.csv" # 替换为你的文件路径
df = pd.read_csv(file_path)

# 获取第一列名（时间戳列）
timestamp_col = df.columns[0]

# 解析时间戳列（注意格式：2025/7/7 15:03）
df[timestamp_col] = pd.to_datetime(df[timestamp_col], format='%Y-%m-%d %H:%M:%S')

# 提取日期列（用于分组）
df['Date'] = df[timestamp_col].dt.date

# 获取波长数据（第一行，跳过时间戳列）
# 尝试将列名转换为浮点数，如果失败则保持原样
wavelengths = []
for col in df.columns[1:-1]:
    try:
        wavelengths.append(float(col))
    except ValueError:
        wavelengths.append(col)

# 按日期分组计算平均光谱
daily_avg = df.groupby('Date')[df.columns[1:-1]].mean()

# 设置绘图参数
plt.figure(figsize=(12, 8))
plt.title('Daily Average Spectral Reflectance', fontsize=16)
plt.xlabel('Wavelength (nm)', fontsize=14)
plt.ylabel('Reflectance', fontsize=14)
plt.grid(True, alpha=0.3)

# 为每条曲线生成不同的颜色
colors = plt.cm.viridis(np.linspace(0, 1, len(daily_avg)))

# 绘制每条平均光谱曲线
for i, (date, row) in enumerate(daily_avg.iterrows()):
    # 将日期格式化为更易读的形式
    formatted_date = date.strftime('%Y-%m-%d')

    # 绘制光谱曲线
    plt.plot(wavelengths, row.values,
             label=formatted_date,
             color=colors[i],
             linewidth=2)

# 添加图例
plt.legend(title='Date', bbox_to_anchor=(1.05, 1), loc='upper left')

# 优化布局
plt.tight_layout()

# 保存图像
plt.savefig(r'D:\WQ\zhanghuilai\hyperspectral-inversion\data\input\一代高光谱\2025-07-11_2025-07-21\plot\daily_average_spectra.png', dpi=300, bbox_inches='tight')



# 输出每日平均光谱数据到CSV
# daily_avg.to_csv('D:\WQ\zhanghuilai\hyperspectral-inversion\data\input\一代高光谱\daily_average_spectra.csv')
print("每日平均光谱数据已保存到 daily_average_spectra.csv")
print("光谱图已保存到 daily_average_spectra.png")