#------------DESCRIPTION------------#
# Ce programme python3 permet de charger et tracer les donnees issues d'un detecteur de CO2 Aranet4
# Il effectue un ajustement
# exponentiel de donnes temporelles
# projetco2.fr 2021/05/04
# supprimer la fin du nom du programme, après "FitExp_Aranet_v2.py"


#------------PACKAGES------------#
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import scipy as sp
from lmfit import Model
from datetime import datetime

#------------PARAMETRES------------#

# temps entre lesquels on effectue l'ajustement
tdebut='2021-05-02 01:15:00' # Minimum '2021-05-02 01:15:00'
tfin='2021-05-02 6:00:00' # Maximum '2021-05-02 9:00:00'

#---------FIN DES PARAMETRES---------#
#------------------------------------#

# Fonction d'ajustement (fit)
def croissance(t, A, tau, y0):
    return (A*np.exp(-1*t/tau)+y0)
gmodel = Model(croissance)

# Lecture des donnees
df = pd.read_csv('Aranet4_donnees.csv', skiprows=0)
df['Temps']=pd.to_datetime(df['Time'], format='%d/%m/%Y %H:%M:%S')

# Changement de nom, juste pour eviter le 2 en petite lettre
df['CO2(ppm)']=df['CO₂(ppm)']

# Selection d'un sous-intervalle de temps
dfe=df[df['Temps'].between(tdebut,tfin)]

#--- Ajustement

# Calcul du temps ecoule depuis le debut, et transformation en nombre reel (float)
dfe['ElapsedTime'] = (dfe['Temps'] - dfe['Temps'].iloc[0])
dfe['Seconds'] =dfe['ElapsedTime'].dt.total_seconds()

# Ajustement
result = gmodel.fit(dfe['CO2(ppm)'], t=dfe['Seconds'], A=-1000, tau=1000, y0=2000)

# Trace de l'ajustement
result.plot_fit()
plt.savefig('Aranet_CO2_ajustement.pdf')
plt.show()

# Sortie des resultats de l'ajustement
print(result.fit_report())

exit()