import matplotlib.pyplot as plt
import numpy as np
from scipy.optimize import curve_fit

#modélisation par une fonction exponentielle décroissante
def modele(t, a, b):
    """ Modèle d'une fonction exponentielle décroissante """
    return a * np.exp(-b*t)


#fonction de tracé d'une courbe avec sa modélisation
def trace(nom,abscisse,ordonnee,couleur):
    '''
    Fonction traçant une courbe et sa modélisation
    paramètres :
        nom :chaine de caractères du type X=f(t)
        abscisse : tableau numpy contenant les abscisses
        ordonnée : tableau numpy contenant les ordonnées
    '''
     # tracé de la courbe expérimentale
    plt.plot( abscisse,ordonnee, color = couleur, label = "Mesures : "+nom, marker = '+')
    # calcul du modèle
    parametres, covariance = curve_fit(modele, abscisse,ordonnee)
    print(parametres)
     # calcul des ordonnées du modèle avec la fonction du modèle et les paramètres optimisés
    modelisation = modele(t, *parametres) #    *parametres -> unpacking des paramètres du modèle
    #chaine de caractères représentant l'équation modélisée
    N0 , lamb = parametres
    expression="Modèle : "+nom[0]+"="+str(int(N0))+".exp(-"+str(round(lamb,3))+".t)"
    #tracé du modèle
    plt.plot(t, modelisation, label=expression, color='black')


# Lecture des donnees du fichier csv
t,N,A = np.loadtxt('radioactivite.csv', unpack=True, usecols=(0, 1,2), delimiter = ';', skiprows = 1)

#affichage des données chargées à partir du fichier
print(t)
print(N)
print(A)

# Creation des graphiques

plt.figure('Décroissance radioactive',figsize=(16,7),dpi=80)

# Création du graphique N avec sa modélisation
plt.subplot(2,1,1)
plt.axis([1,t[-1],0,N[0]])
plt.xlabel('Temps t(s)')
plt.ylabel('Nombre de noyaux N')
trace("N=f(t)",t,N,"red")
plt.legend()


# Creation du graphique A
plt.subplot(2,1,2)
plt.axis([1,t[-1],0,A[0]])
plt.xlabel('Temps t(s)')
plt.ylabel('Activité')
trace("A=f(t)",t,A,"blue")
plt.legend()

#affichage
plt.show()