src/diagnostic_plots.py

import pandas as pd
import plotly.graph_objects as go
import plotly.express as px
import streamlit as st # Cần thiết để báo lỗi nếu cột không tồn tại

# --- HÀM 1: Biểu đồ suy giảm hiệu suất (Theo Checklist mục 5) ---

def plot_performance_degradation(df, metric_column, metric_name, color='blue'):
    """
    Tạo biểu đồ đường (line plot) cho thấy một chỉ số (metric) thay đổi 
    như thế nào qua 5 ngày dự báo.
    
    Args:
        df (pd.DataFrame): DataFrame được tải từ 'final_5_day_results_df.csv'.
        metric_column (str): Tên cột chính xác trong CSV (ví dụ: 'RMSE (Absolute Error)').
        metric_name (str): Tên hiển thị đẹp cho trục Y (ví dụ: 'RMSE (Temperature °C)').
        color (str): Tên màu cho đường line.
    
    Returns:
        plotly.graph_objects.Figure: Một đối tượng biểu đồ Plotly.
    """
    
    # --- TÙY CHỈNH QUAN TRỌNG (ĐÃ SỬA) ---
    # Cột chứa "Day 1", "Day 2",... là 'Horizon'
    DAY_AHEAD_COLUMN = 'Horizon' 
    # ---------------------------

    if DAY_AHEAD_COLUMN not in df.columns:
        st.error(f"Lỗi plot: Không tìm thấy cột '{DAY_AHEAD_COLUMN}' trong dữ liệu. "
                 f"Vui lòng kiểm tra file `src/diagnostic_plots.py`.")
        return go.Figure()
    if metric_column not in df.columns:
        st.error(f"Lỗi plot: Không tìm thấy cột '{metric_column}' trong dữ liệu. "
                 f"Vui lòng kiểm tra file `src/diagnostic_plots.py`.")
        return go.Figure()

    # --- SỬA LỖI LOGIC: Chuyển "Day 1" thành số 1 ---
    # Tạo một bản copy để tránh cảnh báo
    plot_df = df.copy() 
    
    # Trích xuất số từ cột 'Horizon' (ví dụ: 'Day 1' -> 1)
    # và tạo cột mới 'day_num'
    plot_df['day_num'] = plot_df[DAY_AHEAD_COLUMN].str.extract(r'(\d+)').astype(int)
    plot_df = plot_df.sort_values(by='day_num')
    # ---------------------------------------------

    fig = go.Figure()
    
    fig.add_trace(go.Scatter(
        x=plot_df['day_num'], # Dùng cột số 'day_num' mới cho trục X
        y=plot_df[metric_column],
        mode='lines+markers',
        name=metric_name,
        line=dict(color=color, width=3),
        marker=dict(size=8)
    ))
    
    fig.update_layout(
        title=f"<b>{metric_name} vs. Forecast Horizon</b>",
        xaxis_title="Day Ahead (Horizon)",
        yaxis_title=metric_name,
        title_x=0.5, # Căn giữa tiêu đề
        template="plotly_white",
        xaxis = dict(tickmode = 'linear', tick0 = 1, dtick = 1) # Đảm bảo trục X là 1, 2, 3, 4, 5
    )
    
    # Nếu là R2, đặt giới hạn trục y từ 0 đến 1 cho dễ nhìn
    if "R2" in metric_name or "R-squared" in metric_name:
         fig.update_layout(yaxis_range=[0, 1])
            
    return fig

# --- HÀM 2: Biểu đồ Dự báo vs. Thực tế (Theo Checklist mục 5) ---

def plot_forecast_vs_actual(y_true, y_pred, day_ahead_title):
    """
    Tạo biểu đồ phân tán (scatter plot) so sánh giá trị dự báo và giá trị thực tế.
    
    Args:
        y_true (array-like): Mảng chứa các giá trị thực tế.
        y_pred (array-like): Mảng chứa các giá trị dự báo.
        day_ahead_title (str): Tiêu đề phụ (ví dụ: "Day 1" hoặc "Day 5").
        
    Returns:
        plotly.graph_objects.Figure: Một đối tượng biểu đồ Plotly.
    """
    
    # Tạo DataFrame tạm thời để vẽ
    plot_df = pd.DataFrame({
        'Actual': y_true,
        'Predicted': y_pred
    })

    fig = px.scatter(
        plot_df, 
        x='Actual', 
        y='Predicted',
        title=f"<b>Forecast vs. Actual - {day_ahead_title}</b>",
        opacity=0.7,
        hover_data={'Actual': ':.2f', 'Predicted': ':.2f'}
    )
    
    # Thêm đường chéo (y=x) thể hiện dự báo hoàn hảo
    min_val = min(plot_df['Actual'].min(), plot_df['Predicted'].min())
    max_val = max(plot_df['Actual'].max(), plot_df['Predicted'].max())
    
    fig.add_trace(go.Scatter(
        x=[min_val, max_val],
        y=[min_val, max_val],
        mode='lines',
        name='Perfect Prediction',
        line=dict(color='red', dash='dash', width=2)
    ))
    
    fig.update_layout(
        title_x=0.5,
        xaxis_title="Actual Temperature (°C)",
        yaxis_title="Predicted Temperature (°C)",
        template="plotly_white"
    )
    return fig

# --- CÁC HÀM 3 & 4: Biểu đồ "Deep Dive" (Theo Checklist mục 5 - Tùy chọn) ---

def plot_residuals_vs_time(y_true, y_pred, dates, day_ahead_title):
    """
    Tạo biểu đồ phân tán của phần dư (residuals) theo thời gian.
    
    Args:
        y_true (array-like): Mảng giá trị thực tế.
        y_pred (array-like): Mảng giá trị dự báo.
        dates (array-like): Mảng chứa ngày tháng tương ứng.
        day_ahead_title (str): Tiêu đề phụ (ví dụ: "Day 1").
        
    Returns:
        plotly.graph_objects.Figure: Một đối tượng biểu đồ Plotly.
    """
    residuals = y_true - y_pred
    
    plot_df = pd.DataFrame({
        'Date': dates,
        'Residual': residuals
    })
    
    fig = px.scatter(
        plot_df, 
        x='Date', 
        y='Residual',
        title=f"<b>Residuals vs. Time - {day_ahead_title}</b>",
        opacity=0.7
    )
    
    # Thêm đường y=0 (lỗi bằng 0)
    fig.add_hline(y=0, line=dict(color='red', dash='dash', width=2))
    
    fig.update_layout(
        title_x=0.5,
        yaxis_title="Residual (Actual - Predicted)",
        template="plotly_white"
    )
    return fig


def plot_residuals_distribution(y_true, y_pred, day_ahead_title):
    """
    Tạo biểu đồ histogram phân phối của phần dư (residuals).
    
    Args:
        y_true (array-like): Mảng giá trị thực tế.
        y_pred (array-like): Mảng giá trị dự báo.
        day_ahead_title (str): Tiêu đề phụ (ví dụ: "Day 1").
        
    Returns:
        plotly.graph_objects.Figure: Một đối tượng biểu đồ Plotly.
    """
    residuals = y_true - y_pred
    
    fig = px.histogram(
        residuals, 
        nbins=50,
        title=f"<b>Residuals Distribution - {day_ahead_title}</b>"
    )
    
    fig.update_layout(
        title_x=0.5,
        xaxis_title="Residual (Error)",
        yaxis_title="Count",
        template="plotly_white"
    )
    return fig