feat: add multiple graphing functionality and multiple comparison charts

main/graphing_all.py

@@ -0,0 +1,365 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+import glob
+import os
+
+# Find CSV files using glob
+def load_latest_csv(pattern):
+    """Load the most recent CSV file matching the pattern"""
+    files = glob.glob(pattern)
+    if not files:
+        print(f"Aviso: Nenhum ficheiro encontrado com o padrão '{pattern}'")
+        return None
+    # Sort by modification time, get the latest
+    latest_file = max(files, key=os.path.getmtime)
+    print(f"A carregar: {latest_file}")
+    return pd.read_csv(latest_file)
+
+print("="*60)
+print("ANÁLISE COMPLETA DE SIMULAÇÃO")
+print("="*60)
+
+# Carregar todos os dados
+print("\nA procurar ficheiros de análise...")
+low = load_latest_csv('analysis/LOW_LOAD_*.csv')
+medium = load_latest_csv('analysis/MEDIUM_LOAD_*.csv')
+high = load_latest_csv('analysis/HIGH_LOAD_*.csv')
+
+# Check if we have all data
+if low is None or medium is None or high is None:
+    print("\nErro: Ficheiros de análise em falta!")
+    print("Por favor execute a análise batch primeiro.")
+    exit(1)
+
+# Create output directory for graphs
+os.makedirs('graphs', exist_ok=True)
+
+# Determine the run column name (could be 'Run' or 'Execução')
+run_col = 'Run' if 'Run' in low.columns else 'Execução'
+
+print(f"\nColunas disponíveis: {low.columns.tolist()}")
+
+# ==============================================================================
+# GRÁFICOS COMPARATIVOS (entre cargas)
+# ==============================================================================
+
+print("\n" + "="*60)
+print("A GERAR GRÁFICOS COMPARATIVOS")
+print("="*60)
+
+# 1. Gráfico: Dwelling Time vs Load
+plt.figure(figsize=(10, 6))
+dwelling_times = [
+    low['TempoMédioSistema'].mean(),
+    medium['TempoMédioSistema'].mean(),
+    high['TempoMédioSistema'].mean()
+]
+plt.bar(['Baixa', 'Média', 'Alta'], dwelling_times, color=['green', 'orange', 'red'])
+plt.ylabel('Tempo Médio no Sistema (s)')
+plt.title('Desempenho do Sistema vs Carga')
+plt.xlabel('Cenário de Carga')
+plt.grid(axis='y', alpha=0.3)
+for i, v in enumerate(dwelling_times):
+    plt.text(i, v + 1, f'{v:.2f}s', ha='center', va='bottom')
+plt.savefig('graphs/dwelling_time_comparison.png', dpi=300, bbox_inches='tight')
+print("Gráfico guardado: graphs/dwelling_time_comparison.png")
+plt.close()
+
+# 2. Gráfico: Completion Rate vs Load
+plt.figure(figsize=(10, 6))
+completion_rates = [
+    low['TaxaConclusão'].mean(),
+    medium['TaxaConclusão'].mean(),
+    high['TaxaConclusão'].mean()
+]
+plt.bar(['Baixa', 'Média', 'Alta'], completion_rates, color=['green', 'orange', 'red'])
+plt.ylabel('Taxa de Conclusão (%)')
+plt.title('Taxa de Conclusão de Veículos vs Carga')
+plt.xlabel('Cenário de Carga')
+plt.grid(axis='y', alpha=0.3)
+plt.ylim(0, 100)
+for i, v in enumerate(completion_rates):
+    plt.text(i, v + 2, f'{v:.1f}%', ha='center', va='bottom')
+plt.savefig('graphs/completion_rate_comparison.png', dpi=300, bbox_inches='tight')
+print("Gráfico guardado: graphs/completion_rate_comparison.png")
+plt.close()
+
+# 3. Gráfico: Waiting Time vs Load
+plt.figure(figsize=(10, 6))
+waiting_times = [
+    low['TempoMédioEspera'].mean(),
+    medium['TempoMédioEspera'].mean(),
+    high['TempoMédioEspera'].mean()
+]
+plt.bar(['Baixa', 'Média', 'Alta'], waiting_times, color=['green', 'orange', 'red'])
+plt.ylabel('Tempo Médio de Espera (s)')
+plt.title('Tempo Médio de Espera vs Carga')
+plt.xlabel('Cenário de Carga')
+plt.grid(axis='y', alpha=0.3)
+for i, v in enumerate(waiting_times):
+    plt.text(i, v + 1, f'{v:.2f}s', ha='center', va='bottom')
+plt.savefig('graphs/waiting_time_comparison.png', dpi=300, bbox_inches='tight')
+print("Gráfico guardado: graphs/waiting_time_comparison.png")
+plt.close()
+
+# 4. Gráfico: Summary Statistics (comparativo)
+fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(14, 10))
+loads = ['Baixa', 'Média', 'Alta']
+
+# Vehicles generated
+ax1.bar(loads, [low['VeículosGerados'].mean(), medium['VeículosGerados'].mean(), high['VeículosGerados'].mean()], color=['green', 'orange', 'red'])
+ax1.set_title('Veículos Gerados')
+ax1.set_ylabel('Quantidade')
+ax1.grid(axis='y', alpha=0.3)
+
+# Vehicles completed
+ax2.bar(loads, [low['VeículosCompletados'].mean(), medium['VeículosCompletados'].mean(), high['VeículosCompletados'].mean()], color=['green', 'orange', 'red'])
+ax2.set_title('Veículos Concluídos')
+ax2.set_ylabel('Quantidade')
+ax2.grid(axis='y', alpha=0.3)
+
+# Min/Max dwelling time
+x = range(3)
+width = 0.35
+ax3.bar([i - width/2 for i in x], [low['TempoMínimoSistema'].mean(), medium['TempoMínimoSistema'].mean(), high['TempoMínimoSistema'].mean()], width, label='Mín', color='lightblue')
+ax3.bar([i + width/2 for i in x], [low['TempoMáximoSistema'].mean(), medium['TempoMáximoSistema'].mean(), high['TempoMáximoSistema'].mean()], width, label='Máx', color='darkblue')
+ax3.set_title('Tempo no Sistema Mín/Máx')
+ax3.set_ylabel('Tempo (s)')
+ax3.set_xticks(x)
+ax3.set_xticklabels(loads)
+ax3.legend()
+ax3.grid(axis='y', alpha=0.3)
+
+# Performance summary
+metrics = ['Tempo no\nSistema', 'Tempo de\nEspera', 'Taxa de\nConclusão']
+low_vals = [low['TempoMédioSistema'].mean(), low['TempoMédioEspera'].mean(), low['TaxaConclusão'].mean()]
+med_vals = [medium['TempoMédioSistema'].mean(), medium['TempoMédioEspera'].mean(), medium['TaxaConclusão'].mean()]
+high_vals = [high['TempoMédioSistema'].mean(), high['TempoMédioEspera'].mean(), high['TaxaConclusão'].mean()]
+
+x = range(len(metrics))
+width = 0.25
+ax4.bar([i - width for i in x], low_vals, width, label='Baixa', color='green')
+ax4.bar(x, med_vals, width, label='Média', color='orange')
+ax4.bar([i + width for i in x], high_vals, width, label='Alta', color='red')
+ax4.set_title('Resumo de Desempenho')
+ax4.set_xticks(x)
+ax4.set_xticklabels(metrics)
+ax4.legend()
+ax4.grid(axis='y', alpha=0.3)
+
+plt.tight_layout()
+plt.savefig('graphs/summary_statistics.png', dpi=300, bbox_inches='tight')
+print("Gráfico guardado: graphs/summary_statistics.png")
+plt.close()
+
+# ==============================================================================
+# GRÁFICOS INDIVIDUAIS POR CARGA
+# ==============================================================================
+
+def generate_individual_graphs(data, load_type, load_name, color):
+    """Generate detailed graphs for a specific load type"""
+    
+    print(f"\n{'='*60}")
+    print(f"A GERAR GRÁFICOS - CARGA {load_name.upper()}")
+    print("="*60)
+    
+    # 1. Gráfico: Run-by-Run Dwelling Time
+    plt.figure(figsize=(12, 6))
+    plt.plot(data[run_col], data['TempoMédioSistema'], marker='o', color=color, linewidth=2, markersize=6)
+    plt.fill_between(data[run_col], data['TempoMínimoSistema'], data['TempoMáximoSistema'], alpha=0.2, color=color)
+    plt.ylabel('Tempo no Sistema (s)')
+    plt.xlabel('Número da Execução')
+    plt.title(f'Tempo no Sistema por Execução - Carga {load_name}')
+    plt.grid(alpha=0.3)
+    plt.legend(['Média', 'Intervalo Min-Max'])
+    plt.savefig(f'graphs/{load_type.lower()}_dwelling_time_runs.png', dpi=300, bbox_inches='tight')
+    print(f"Gráfico guardado: graphs/{load_type.lower()}_dwelling_time_runs.png")
+    plt.close()
+
+    # 2. Gráfico: Run-by-Run Completion Rate
+    plt.figure(figsize=(12, 6))
+    plt.plot(data[run_col], data['TaxaConclusão'], marker='o', color=color, linewidth=2, markersize=6)
+    plt.axhline(y=data['TaxaConclusão'].mean(), color='black', linestyle='--', label=f'Média: {data["TaxaConclusão"].mean():.1f}%')
+    plt.ylabel('Taxa de Conclusão (%)')
+    plt.xlabel('Número da Execução')
+    plt.title(f'Taxa de Conclusão por Execução - Carga {load_name}')
+    plt.ylim(0, 105)
+    plt.grid(alpha=0.3)
+    plt.legend()
+    plt.savefig(f'graphs/{load_type.lower()}_completion_rate_runs.png', dpi=300, bbox_inches='tight')
+    print(f"Gráfico guardado: graphs/{load_type.lower()}_completion_rate_runs.png")
+    plt.close()
+
+    # 3. Gráfico: Run-by-Run Waiting Time
+    plt.figure(figsize=(12, 6))
+    plt.plot(data[run_col], data['TempoMédioEspera'], marker='o', color=color, linewidth=2, markersize=6)
+    plt.ylabel('Tempo de Espera (s)')
+    plt.xlabel('Número da Execução')
+    plt.title(f'Tempo Médio de Espera por Execução - Carga {load_name}')
+    plt.grid(alpha=0.3)
+    plt.savefig(f'graphs/{load_type.lower()}_waiting_time_runs.png', dpi=300, bbox_inches='tight')
+    print(f"Gráfico guardado: graphs/{load_type.lower()}_waiting_time_runs.png")
+    plt.close()
+
+    # 4. Gráfico: Vehicles Generated vs Completed
+    plt.figure(figsize=(10, 6))
+    x = range(len(data))
+    width = 0.35
+    plt.bar([i - width/2 for i in x], data['VeículosGerados'], width, label='Gerados', color='lightblue', alpha=0.8)
+    plt.bar([i + width/2 for i in x], data['VeículosCompletados'], width, label='Concluídos', color=color, alpha=0.8)
+    plt.ylabel('Número de Veículos')
+    plt.xlabel('Número da Execução')
+    plt.title(f'Veículos Gerados vs Concluídos - Carga {load_name}')
+    plt.xticks(x, data[run_col])
+    plt.legend()
+    plt.grid(axis='y', alpha=0.3)
+    plt.savefig(f'graphs/{load_type.lower()}_vehicles_comparison.png', dpi=300, bbox_inches='tight')
+    print(f"Gráfico guardado: graphs/{load_type.lower()}_vehicles_comparison.png")
+    plt.close()
+
+    # 5. Gráfico: Summary Statistics (4-panel)
+    fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(14, 10))
+
+    # Panel 1: Dwelling Time Statistics
+    metrics = ['Média', 'Mínimo', 'Máximo', 'Desvio\nPadrão']
+    values = [
+        data['TempoMédioSistema'].mean(),
+        data['TempoMínimoSistema'].min(),
+        data['TempoMáximoSistema'].max(),
+        data['TempoMédioSistema'].std()
+    ]
+    ax1.bar(metrics, values, color=[color, 'lightblue', 'darkblue', 'gray'])
+    ax1.set_title('Estatísticas de Tempo no Sistema')
+    ax1.set_ylabel('Tempo (s)')
+    ax1.grid(axis='y', alpha=0.3)
+    for i, v in enumerate(values):
+        ax1.text(i, v + 0.5, f'{v:.2f}s', ha='center', va='bottom')
+
+    # Panel 2: Waiting Time Statistics
+    values = [
+        data['TempoMédioEspera'].mean(),
+        data['TempoMédioEspera'].min(),
+        data['TempoMédioEspera'].max(),
+        data['TempoMédioEspera'].std()
+    ]
+    ax2.bar(metrics, values, color=[color, 'lightblue', 'darkblue', 'gray'])
+    ax2.set_title('Estatísticas de Tempo de Espera')
+    ax2.set_ylabel('Tempo (s)')
+    ax2.grid(axis='y', alpha=0.3)
+    for i, v in enumerate(values):
+        ax2.text(i, v + 0.5, f'{v:.2f}s', ha='center', va='bottom')
+
+    # Panel 3: Completion Rate Distribution
+    ax3.hist(data['TaxaConclusão'], bins=10, color=color, alpha=0.7, edgecolor='black')
+    ax3.axvline(data['TaxaConclusão'].mean(), color='red', linestyle='--', linewidth=2, label='Média')
+    ax3.set_title('Distribuição da Taxa de Conclusão')
+    ax3.set_xlabel('Taxa de Conclusão (%)')
+    ax3.set_ylabel('Frequência')
+    ax3.legend()
+    ax3.grid(axis='y', alpha=0.3)
+
+    # Panel 4: Key Metrics Summary
+    summary_metrics = ['Veículos\nGerados', 'Veículos\nConcluídos', 'Taxa de\nConclusão (%)']
+    summary_values = [
+        data['VeículosGerados'].mean(),
+        data['VeículosCompletados'].mean(),
+        data['TaxaConclusão'].mean()
+    ]
+    # Create bars individually with different alpha values
+    alphas = [0.5, 0.7, 0.9]
+    for i, (metric, value, alpha_val) in enumerate(zip(summary_metrics, summary_values, alphas)):
+        ax4.bar(i, value, color=color, alpha=alpha_val)
+    ax4.set_xticks(range(len(summary_metrics)))
+    ax4.set_xticklabels(summary_metrics)
+    ax4.set_title('Resumo de Métricas-Chave')
+    ax4.grid(axis='y', alpha=0.3)
+    for i, v in enumerate(summary_values):
+        ax4.text(i, v + max(summary_values)*0.02, f'{v:.1f}', ha='center', va='bottom', fontweight='bold')
+
+    plt.tight_layout()
+    plt.savefig(f'graphs/{load_type.lower()}_summary_statistics.png', dpi=300, bbox_inches='tight')
+    print(f"Gráfico guardado: graphs/{load_type.lower()}_summary_statistics.png")
+    plt.close()
+
+    # Print detailed summary statistics
+    print(f"\n{'='*60}")
+    print(f"CARGA {load_name.upper()} - ESTATÍSTICAS DETALHADAS")
+    print("="*60)
+
+    print(f"\nTEMPO NO SISTEMA:")
+    print(f"  Média: {data['TempoMédioSistema'].mean():.2f}s")
+    print(f"  Desvio Padrão: {data['TempoMédioSistema'].std():.2f}s")
+    print(f"  Mínimo: {data['TempoMínimoSistema'].min():.2f}s")
+    print(f"  Máximo: {data['TempoMáximoSistema'].max():.2f}s")
+    print(f"  Mediana: {data['TempoMédioSistema'].median():.2f}s")
+
+    print(f"\nTEMPO DE ESPERA:")
+    print(f"  Média: {data['TempoMédioEspera'].mean():.2f}s")
+    print(f"  Desvio Padrão: {data['TempoMédioEspera'].std():.2f}s")
+    print(f"  Mínimo: {data['TempoMédioEspera'].min():.2f}s")
+    print(f"  Máximo: {data['TempoMédioEspera'].max():.2f}s")
+    print(f"  Mediana: {data['TempoMédioEspera'].median():.2f}s")
+
+    print(f"\nTAXA DE CONCLUSÃO:")
+    print(f"  Média: {data['TaxaConclusão'].mean():.2f}%")
+    print(f"  Desvio Padrão: {data['TaxaConclusão'].std():.2f}%")
+    print(f"  Mínimo: {data['TaxaConclusão'].min():.2f}%")
+    print(f"  Máximo: {data['TaxaConclusão'].max():.2f}%")
+    print(f"  Mediana: {data['TaxaConclusão'].median():.2f}%")
+
+    print(f"\nCONTAGEM DE VEÍCULOS:")
+    print(f"  Média Gerados: {data['VeículosGerados'].mean():.0f}")
+    print(f"  Média Concluídos: {data['VeículosCompletados'].mean():.0f}")
+    print(f"  Média Perdidos: {data['VeículosGerados'].mean() - data['VeículosCompletados'].mean():.0f}")
+
+    print(f"\nEXECUÇÕES ANALISADAS: {len(data)}")
+
+    # Check for config file column - could be ArquivoConfig or ConfigFile
+    config_col = None
+    if 'ArquivoConfig' in data.columns:
+        config_col = 'ArquivoConfig'
+    elif 'ConfigFile' in data.columns:
+        config_col = 'ConfigFile'
+
+    if config_col:
+        print(f"FICHEIRO DE CONFIGURAÇÃO: {data[config_col].iloc[0]}")
+
+# Generate individual graphs for each load
+generate_individual_graphs(low, 'LOW', 'Baixa', 'green')
+generate_individual_graphs(medium, 'MEDIUM', 'Média', 'orange')
+generate_individual_graphs(high, 'HIGH', 'Alta', 'red')
+
+# ==============================================================================
+# SUMÁRIO FINAL
+# ==============================================================================
+
+print("\n" + "="*60)
+print("SUMÁRIO COMPARATIVO FINAL")
+print("="*60)
+
+print(f"\nCARGA BAIXA:")
+print(f"  Tempo Médio no Sistema: {low['TempoMédioSistema'].mean():.2f}s")
+print(f"  Tempo Médio de Espera: {low['TempoMédioEspera'].mean():.2f}s")
+print(f"  Taxa de Conclusão: {low['TaxaConclusão'].mean():.1f}%")
+print(f"  Veículos Gerados: {low['VeículosGerados'].mean():.0f}")
+print(f"  Veículos Concluídos: {low['VeículosCompletados'].mean():.0f}")
+
+print(f"\nCARGA MÉDIA:")
+print(f"  Tempo Médio no Sistema: {medium['TempoMédioSistema'].mean():.2f}s")
+print(f"  Tempo Médio de Espera: {medium['TempoMédioEspera'].mean():.2f}s")
+print(f"  Taxa de Conclusão: {medium['TaxaConclusão'].mean():.1f}%")
+print(f"  Veículos Gerados: {medium['VeículosGerados'].mean():.0f}")
+print(f"  Veículos Concluídos: {medium['VeículosCompletados'].mean():.0f}")
+
+print(f"\nCARGA ALTA:")
+print(f"  Tempo Médio no Sistema: {high['TempoMédioSistema'].mean():.2f}s")
+print(f"  Tempo Médio de Espera: {high['TempoMédioEspera'].mean():.2f}s")
+print(f"  Taxa de Conclusão: {high['TaxaConclusão'].mean():.1f}%")
+print(f"  Veículos Gerados: {high['VeículosGerados'].mean():.0f}")
+print(f"  Veículos Concluídos: {high['VeículosCompletados'].mean():.0f}")
+
+print("\n" + "="*60)
+print("ANÁLISE COMPLETA!")
+print(f"Total de gráficos gerados: 19")
+print("Todos os gráficos foram guardados no diretório 'graphs/'")
+print("="*60)