import os
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from matplotlib.ticker import MaxNLocator
import warnings

warnings.filterwarnings("ignore", category=FutureWarning)  # 忽略特定警告
plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用黑体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

# 指定文件夹路径
folder_path = r'C:/Users/laiwe/Desktop/风电/激光测量/测试数据/20250728/'

# 遍历文件夹中的所有CSV文件
for filename in os.listdir(folder_path):
    if filename.endswith('.csv'):
        csv_path = os.path.join(folder_path, filename)
        # 读取第2、4、9列的数据
        data = pd.read_csv(csv_path, usecols=[1, 3, 8], header=None, engine='c')

        # 找到第一列中最大值和最小值的位置
        max_value = data.iloc[:, 0].max()
        max_index = data.iloc[:, 0].idxmax()
        min_index = data.iloc[:, 0].idxmin()
        print(f'最大值: {max_value}, 最大值位置: {max_index}')
        print(f'最小值: {data.iloc[min_index, 0]}, 最小值位置: {min_index}')

        # 检查最小值的位置是否是最大值位置的下一个
        if min_index == max_index + 1:
            # 将最小值及其之后的所有值都加上最大值
            data.iloc[min_index:, 0] += max_value

        data = data.head(int(len(data) * 0.01))

        # 绘制原始数据图
        data.columns = ['time', 'distance1', 'distance2']
        plt.figure(figsize=(300, 150))
        sns.scatterplot(data=data, x='time', y='distance1', s=50, color='green')
        sns.scatterplot(data=data, x='time', y='distance2', s=50, color='red')
        abxy = plt.gca()  # 获取当前坐标轴对象
        plt.grid(linewidth=2)  # 设置网格线宽度为2
        abxy.xaxis.set_major_locator(MaxNLocator(nbins=100))  # 设置x轴主刻度的最大数量为10
        plt.xlabel('时间', fontsize=16, fontweight='bold')  # 添加x轴标签
        plt.ylabel('距离（m）', fontsize=16, fontweight='bold')  # 添加y轴标签
        abxy.tick_params(axis='x', labelsize=14, labelcolor='black', width=2)  # 设置x轴刻度标签
        abxy.tick_params(axis='y', labelsize=14, labelcolor='black', width=2)  # 设置y轴刻度标签

        # 生成图像文件名
        image_filename = os.path.splitext(filename)[0] + 'small.png'
        image_path = os.path.join(folder_path, image_filename)

        # 保存图像
        plt.savefig(image_path, dpi=100, pil_kwargs={"icc_profile": False})
        plt.close()