import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 使用Agg后端（无GUI）
matplotlib.use("Agg")

# 定义x轴和y轴的数据
x_values = np.array([1, 3, 5, 7, 9])  # init value
y_values = np.array([0.1, 0.3, 0.5, 0.7, 0.9, 1.1, 1.3, 1.5, 1.7, 1.9, 2.1, 2.3, 2.5, 2.7, 2.9])  # temperature

# 创建网格
X, Y = np.meshgrid(x_values, y_values)

# Z轴数据（performance）- 这里使用示例数据
# 请将这里替换为你的实际数据，应该是一个15x5的数组
# 示例：使用一个简单的函数生成数据
# Z = np.sin(np.sqrt(X**2 + Y**2)) * 100 + np.random.randn(15, 5) * 5

# 如果你有实际的performance数据，请按照以下格式替换：
Z = np.array([
    [11.9, 14.8, 13.7, 13.0, 10.8],  # temperature=0.1时，对应5个init value的performance
    [17.5, 10.8, 10.3, 14.3, 13.0],  # temperature=0.3时，对应5个init value的performance
    [29.2, 31.7, 13.5, 10.1, 14.8],  # temperature=0.5时，对应5个init value的performance
    [20.0, 30.8, 23.3, 14.2, 11.1],  # temperature=0.7时，对应5个init value的performance
    [10.9, 23.3, 25.0, 24.2, 10.9],  # temperature=0.9时，对应5个init value的performance
    [23.3, 24.2, 23.3, 29.2, 21.7],  # temperature=1.1时，对应5个init value的performance
    [21.7, 27.5, 22.5, 25.8, 25.0],  # temperature=1.3时，对应5个init value的performance
    [11.5, 23.3, 17.5, 26.7, 27.5],  # temperature=1.5时，对应5个init value的performance
    [24.2, 24.2, 16.7, 23.3, 29.2],  # temperature=1.7时，对应5个init value的performance
    [18.3, 24.2, 27.5, 20.0, 25.8],  # temperature=1.9时，对应5个init value的performance
    [25.8, 25.8, 26.7, 21.7, 28.3],  # temperature=2.1时，对应5个init value的performance
    [28.3, 26.2, 23.3, 20.8, 26.7],  # temperature=2.3时，对应5个init value的performance
    [20.0, 24.2, 20.0, 20.0, 28.3],  # temperature=2.5时，对应5个init value的performance
    [23.3, 26.2, 21.7, 24.2, 24.2],  # temperature=2.7时，对应5个init value的performance
    [15.8, 22.5, 20.8, 25.8, 23.3],  # temperature=2.9时，对应5个init value的performance
])

# 创建3D图形
fig = plt.figure(figsize=(12, 8))
ax = fig.add_subplot(111, projection='3d')

# 绘制3D表面图（不显示散点）
surf = ax.plot_surface(X, Y, Z, cmap='RdYlBu_r', alpha=0.8, edgecolor='none')

# 设置轴标签
ax.set_xlabel('Init Value', fontsize=12, labelpad=10)
ax.set_ylabel('Temperature', fontsize=12, labelpad=10)
ax.set_zlabel('Performance', fontsize=12, labelpad=10)

# 设置标题（字体更大，间隙更小）
ax.set_title('Performance vs Init Value and Temperature', fontsize=18, pad=10)

# 添加颜色条（更窄，离图更近）
colorbar = fig.colorbar(surf, ax=ax, shrink=0.5, aspect=10, pad=0.05)
colorbar.set_label('Performance', rotation=270, labelpad=15)

# 设置视角（可以调整以获得最佳视图）
ax.view_init(elev=30, azim=45)

# 明确设置x轴和y轴的刻度
ax.set_xticks(x_values)
ax.set_yticks(y_values)
# 如果需要，也可以设置z轴的刻度
# ax.set_zticks(np.linspace(Z.min(), Z.max(), 5))

# 移除网格线
ax.grid(False)

# 设置透明背景
ax.xaxis.pane.fill = False
ax.yaxis.pane.fill = False
ax.zaxis.pane.fill = False
ax.xaxis.pane.set_edgecolor('none')
ax.yaxis.pane.set_edgecolor('none')
ax.zaxis.pane.set_edgecolor('none')

# 保存3D图（透明背景）
plt.tight_layout()
plt.savefig('3d_surface_plot.png', dpi=300, bbox_inches='tight', transparent=True)
plt.close()

print("3D表面图已保存为: 3d_surface_plot.png")

# 创建等高线图
plt.figure(figsize=(7, 5))

num_levels = 15
# 使用 'RdYlBu_r' 颜色映射
contourf = plt.contourf(X, Y, Z, levels=num_levels, cmap='RdYlBu_r', alpha=0.7)

# 加粗的黑色等高线，不贴数值标签
contour_lines = plt.contour(X, Y, Z, levels=num_levels, colors='black', alpha=0.5, linewidths=1.5)

# 添加颜色条（更窄，离图更近）
cbar = plt.colorbar(contourf, shrink=0.8, aspect=15, pad=0.02)
cbar.set_label("Performance", rotation=270, labelpad=15)

# 设置轴标签
plt.xlabel('Init Value', fontsize=12)
plt.ylabel('Temperature', fontsize=12)

# 设置标题（字体更大，间隙更小）
plt.title('Performance Contour Plot', fontsize=18, pad=10)

# 移除网格
plt.grid(False)

# 显示x和y轴的刻度
plt.xticks(x_values)
plt.yticks(y_values)

# 保存等高线图（透明背景）
plt.tight_layout()
plt.savefig('contour_plot.png', dpi=300, bbox_inches='tight', transparent=True)
plt.close()

print("等高线图已保存为: contour_plot.png")
print("所有图片已成功保存！")