vptyp/test-app-ldat
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

changed font size on plots

Browse Source
This commit is contained in:
Artur Mukhamadiev 2025-10-26 14:21:06 +03:00
parent f56935c748
commit bd7889eed2
1 changed files with 85 additions and 64 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

149
latency.py
View File

@ -2,50 +2,60 @@ import pandas as pd
import matplotlib.pyplot as plt import matplotlib.pyplot as plt
import numpy as np import numpy as np
from scipy import stats from scipy import stats
import argparse
def parse_args():
parser = argparse.ArgumentParser()
parser.add_argument('-f', '--file', type=str, help='Path to the file')
return parser.parse_args()
def calculate_confidence_interval(data, confidence=0.95): def calculate_confidence_interval(data, confidence=0.95):
""" """
Вычисление доверительного интервала для среднего значения Вычисление доверительного интервала для среднего значения
Parameters: Parameters:
data: массив данных data: массив данных
confidence: уровень доверия (по умолчанию 95%) confidence: уровень доверия (по умолчанию 95%)
Returns: Returns:
tuple: (среднее, нижняя граница, верхняя граница, стандартная ошибка) tuple: (среднее, нижняя граница, верхняя граница, стандартная ошибка)
""" """
n = len(data) n = len(data)
mean = np.mean(data) mean = np.mean(data)
std_error = stats.sem(data) # Стандартная ошибка среднего std_error = stats.sem(data) # Стандартная ошибка среднего
# Вычисление доверительного интервала с использованием t-распределения # Вычисление доверительного интервала с использованием t-распределения
ci = stats.t.interval(confidence, n-1, loc=mean, scale=std_error) ci = stats.t.interval(confidence, n-1, loc=mean, scale=std_error)
return mean, ci[0], ci[1], std_error return mean, ci[0], ci[1], std_error
def plot_delay_histogram_with_ci(csv_file_path, save_to_file=True, show_plot=False,
confidence_level=0.99, delimiter=','): def plot_delay_histogram_with_ci(csv_file_path, save_to_file=True, show_plot=False,
confidence_level=0.99, title="default", delimiter=','):
""" """
Универсальный скрипт для построения гистограммы с доверительным интервалом Универсальный скрипт для построения гистограммы с доверительным интервалом
""" """
try: try:
# Чтение данных # Чтение данных
df = pd.read_csv(csv_file_path, delimiter=delimiter, header=None, df = pd.read_csv(csv_file_path, delimiter=delimiter, header=None,
names=['index', 'delay_ms']) names=['index', 'delay_ms'])
delays = df['delay_ms'].values delays = np.array(df['delay_ms'].values)
plt.rcParams.update({'font.size': 18})
# Вычисление базовой статистики # Вычисление базовой статистики
mean_delay = np.mean(delays) mean_delay = np.mean(delays)
median_delay = np.median(delays) median_delay = np.median(delays)
std_delay = np.std(delays) std_delay = np.std(delays)
min_delay = np.min(delays) min_delay = np.min(delays)
max_delay = np.max(delays) max_delay = np.max(delays)
# Вычисление доверительного интервала # Вычисление доверительного интервала
mean_ci, ci_lower, ci_upper, std_error = calculate_confidence_interval( mean_ci, ci_lower, ci_upper, std_error = calculate_confidence_interval(
delays, confidence_level) delays, confidence_level)
# Вывод статистики # Вывод статистики
print("=" * 60) print("=" * 60)
print("АНАЛИЗ ЗАДЕРЖЕК С ДОВЕРИТЕЛЬНЫМ ИНТЕРВАЛОМ") print("АНАЛИЗ ЗАДЕРЖЕК С ДОВЕРИТЕЛЬНЫМ ИНТЕРВАЛОМ")
@ -59,66 +69,71 @@ def plot_delay_histogram_with_ci(csv_file_path, save_to_file=True, show_plot=Fal
print(f"Медианная задержка: {median_delay:.2f} мс") print(f"Медианная задержка: {median_delay:.2f} мс")
print(f"Стандартное отклонение: {std_delay:.2f} мс") print(f"Стандартное отклонение: {std_delay:.2f} мс")
print(f"Стандартная ошибка: {std_error:.4f} мс") print(f"Стандартная ошибка: {std_error:.4f} мс")
print(f"\n--- ДОВЕРИТЕЛЬНЫЙ ИНТЕРВАЛ {confidence_level*100}% ---") print(f"\n--- ДОВЕРИТЕЛЬНЫЙ ИНТЕРВАЛ {confidence_level*100}% ---")
print(f"Точечная оценка среднего: {mean_ci:.2f} мс") print(f"Точечная оценка среднего: {mean_ci:.2f} мс")
print(f"Доверительный интервал: [{ci_lower:.2f}, {ci_upper:.2f}] мс") print(f"Доверительный интервал: [{ci_lower:.2f}, {ci_upper:.2f}] мс")
print(f"Ширина интервала: {ci_upper - ci_lower:.2f} мс") print(f"Ширина интервала: {ci_upper - ci_lower:.2f} мс")
print(f"Погрешность: ±{(ci_upper - ci_lower)/2:.2f} мс") print(f"Погрешность: ±{(ci_upper - ci_lower)/2:.2f} мс")
# Дополнительные метрики # Дополнительные метрики
cv = (std_delay / mean_delay) * 100 # Коэффициент вариации cv = (std_delay / mean_delay) * 100 # Коэффициент вариации
print(f"\n--- ДОПОЛНИТЕЛЬНЫЕ МЕТРИКИ ---") print(f"\n--- ДОПОЛНИТЕЛЬНЫЕ МЕТРИКИ ---")
print(f"Коэффициент вариации: {cv:.1f}%") print(f"Коэффициент вариации: {cv:.1f}%")
print(f"Q1 (25-й перцентиль): {np.percentile(delays, 25):.2f} мс") print(f"Q1 (25-й перцентиль): {np.percentile(delays, 25):.2f} мс")
print(f"Q3 (75-й перцентиль): {np.percentile(delays, 75):.2f} мс") print(f"Q3 (75-й перцентиль): {np.percentile(delays, 75):.2f} мс")
print(f"IQR (межквартильный размах): {np.percentile(delays, 75) - np.percentile(delays, 25):.2f} мс") print(
f"IQR (межквартильный размах): {np.percentile(delays, 75) - np.percentile(delays, 25):.2f} мс")
# Создание гистограммы # Создание гистограммы
plt.figure(figsize=(14, 8)) plt.figure(figsize=(14, 8))
n_bins = min(30, len(delays) // 5) n_bins = min(30, len(delays) // 5)
# Гистограмма # Гистограмма
n, bins, patches = plt.hist(delays, bins=n_bins, alpha=0.7, color='steelblue', n, bins, patches = plt.hist(delays, bins=n_bins, alpha=0.7, color='steelblue',
edgecolor='black', linewidth=0.5, density=False) edgecolor='black', linewidth=0.5, density=False)
plt.xlabel('Задержка (мс)', fontsize=12) plt.xlabel('Задержка (мс)')
plt.ylabel('Частота', fontsize=12) plt.ylabel('Частота')
plt.title(f'Распределение задержек на обработку нажатия мыши (n={len(delays)}, CI={confidence_level*100}%)', plt.title(f'Распределение задержек на обработку нажатия мыши {title} (n={len(delays)}, CI={confidence_level*100}%)',
fontsize=14, fontweight='bold') fontsize=14, fontweight='bold')
plt.grid(True, alpha=0.3) plt.grid(True, alpha=0.3)
mean_delay = float(mean_delay)
median_delay = float(median_delay)
# Добавление статистических линий # Добавление статистических линий
plt.axvline(mean_delay, color='red', linestyle='-', linewidth=2, plt.axvline(mean_delay, color='red', linestyle='-', linewidth=2,
label=f'Среднее ({mean_delay:.1f} мс)') label=f'Среднее ({mean_delay:.1f} мс)')
plt.axvline(median_delay, color='green', linestyle='-', linewidth=2, plt.axvline(median_delay, color='green', linestyle='-', linewidth=2,
label=f'Медиана ({median_delay:.1f} мс)') label=f'Медиана ({median_delay:.1f} мс)')
# Добавление доверительного интервала # Добавление доверительного интервала
plt.axvspan(ci_lower, ci_upper, alpha=0.2, color='yellow', plt.axvspan(ci_lower, ci_upper, alpha=0.2, color='yellow',
label=f'ДИ {confidence_level*100}%: [{ci_lower:.1f}, {ci_upper:.1f}] мс') label=f'ДИ {confidence_level*100}%: [{ci_lower:.1f}, {ci_upper:.1f}] мс')
# Вертикальные линии для границ доверительного интервала # Вертикальные линии для границ доверительного интервала
plt.axvline(ci_lower, color='orange', linestyle='--', linewidth=1, alpha=0.7) plt.axvline(ci_lower, color='orange',
plt.axvline(ci_upper, color='orange', linestyle='--', linewidth=1, alpha=0.7) linestyle='--', linewidth=1, alpha=0.7)
plt.axvline(ci_upper, color='orange',
plt.legend(loc='upper right', fontsize=10) linestyle='--', linewidth=1, alpha=0.7)
plt.legend(loc='upper right')
plt.tight_layout() plt.tight_layout()
# Сохранение в файл # Сохранение в файл
if save_to_file: if save_to_file:
output_file = f'delay_distribution_ci_{int(confidence_level*100)}.png' output_file = f'delay_distribution_{title}_ci_{int(confidence_level*100)}.png'
plt.savefig(output_file, dpi=300, bbox_inches='tight') plt.savefig(output_file, dpi=300, bbox_inches='tight')
print(f"\n✓ Гистограмма сохранена как: {output_file}") print(f"\n✓ Гистограмма сохранена как: {output_file}")
# Показ графика # Показ графика
if show_plot: if show_plot:
plt.show() plt.show()
else: else:
plt.close() plt.close()
print("\n✓ Анализ завершен успешно") print("\n✓ Анализ завершен успешно")
return { return {
'data': delays, 'data': delays,
'mean': mean_delay, 'mean': mean_delay,
@ -128,7 +143,7 @@ def plot_delay_histogram_with_ci(csv_file_path, save_to_file=True, show_plot=Fal
'ci_upper': ci_upper, 'ci_upper': ci_upper,
'confidence_level': confidence_level 'confidence_level': confidence_level
} }
except FileNotFoundError: except FileNotFoundError:
print(f"✗ Ошибка: Файл '{csv_file_path}' не найден") print(f"✗ Ошибка: Файл '{csv_file_path}' не найден")
return None return None
@ -136,28 +151,30 @@ def plot_delay_histogram_with_ci(csv_file_path, save_to_file=True, show_plot=Fal
print(f"✗ Ошибка: {e}") print(f"✗ Ошибка: {e}")
return None return None
def compare_confidence_intervals(csv_file_path, confidence_levels=[0.90, 0.95, 0.99], delimiter=','): def compare_confidence_intervals(csv_file_path, confidence_levels=[0.90, 0.95, 0.99], delimiter=','):
""" """
Сравнение доверительных интервалов для разных уровней доверия Сравнение доверительных интервалов для разных уровней доверия
""" """
try: try:
df = pd.read_csv(csv_file_path, delimiter=delimiter, header=None, df = pd.read_csv(csv_file_path, delimiter=delimiter, header=None,
names=['index', 'delay_ms']) names=['index', 'delay_ms'])
delays = df['delay_ms'].values delays = np.array(df['delay_ms'].values)
print("=" * 70) print("=" * 70)
print("СРАВНЕНИЕ ДОВЕРИТЕЛЬНЫХ ИНТЕРВАЛОВ ДЛЯ РАЗНЫХ УРОВНЕЙ ДОВЕРИЯ") print("СРАВНЕНИЕ ДОВЕРИТЕЛЬНЫХ ИНТЕРВАЛОВ ДЛЯ РАЗНЫХ УРОВНЕЙ ДОВЕРИЯ")
print("=" * 70) print("=" * 70)
print(f"Количество измерений: {len(delays)}") print(f"Количество измерений: {len(delays)}")
print(f"Среднее значение: {np.mean(delays):.2f} мс") print(f"Среднее значение: {np.mean(delays):.2f} мс")
print(f"Стандартная ошибка: {stats.sem(delays):.4f} мс\n") print(f"Стандартная ошибка: {stats.sem(delays):.4f} мс\n")
results = [] results = []
for conf in confidence_levels: for conf in confidence_levels:
mean, ci_lower, ci_upper, std_error = calculate_confidence_interval(delays, conf) mean, ci_lower, ci_upper, std_error = calculate_confidence_interval(
delays, conf)
width = ci_upper - ci_lower width = ci_upper - ci_lower
margin = width / 2 margin = width / 2
results.append({ results.append({
'confidence': conf, 'confidence': conf,
'mean': mean, 'mean': mean,
@ -166,43 +183,47 @@ def compare_confidence_intervals(csv_file_path, confidence_levels=[0.90, 0.95, 0
'width': width, 'width': width,
'margin': margin 'margin': margin
}) })
print(f"Доверительный интервал {conf*100:.0f}%:") print(f"Доверительный интервал {conf*100:.0f}%:")
print(f" [{ci_lower:.2f}, {ci_upper:.2f}] мс") print(f" [{ci_lower:.2f}, {ci_upper:.2f}] мс")
print(f" Ширина: {width:.2f} мс, Погрешность: ±{margin:.2f} мс") print(f" Ширина: {width:.2f} мс, Погрешность: ±{margin:.2f} мс")
print() print()
return results return results
except Exception as e: except Exception as e:
print(f"Ошибка при сравнении интервалов: {e}") print(f"Ошибка при сравнении интервалов: {e}")
return None return None
# Пример использования # Пример использования
if __name__ == "__main__": if __name__ == "__main__":
# Укажите путь к вашему файлу # Укажите путь к вашему файлу
csv_file = "delays.csv" csv_file = parse_args().file
title = csv_file.split('/')[1].split('.')[0]
print("АНАЛИЗ ДОВЕРИТЕЛЬНЫХ ИНТЕРВАЛОВ ДЛЯ ЗАДЕРЖЕК") print("АНАЛИЗ ДОВЕРИТЕЛЬНЫХ ИНТЕРВАЛОВ ДЛЯ ЗАДЕРЖЕК")
print("=" * 50) print("=" * 50)
# Основной анализ с 95% доверительным интервалом # Основной анализ с 95% доверительным интервалом
results = plot_delay_histogram_with_ci( results = plot_delay_histogram_with_ci(
csv_file_path=csv_file, csv_file_path=csv_file,
save_to_file=True, save_to_file=True,
show_plot=False, show_plot=False,
confidence_level=0.99 confidence_level=0.99,
title=title
) )
print("\n" + "=" * 50) print("\n" + "=" * 50)
# Сравнение разных уровней доверия # Сравнение разных уровней доверия
compare_results = compare_confidence_intervals(csv_file, [0.90, 0.95, 0.99]) compare_results = compare_confidence_intervals(
csv_file, [0.90, 0.95, 0.99])
# Интерпретация результатов # Интерпретация результатов
if results: if results:
print("\n--- ИНТЕРПРЕТАЦИЯ РЕЗУЛЬТАТОВ ---") print("\n--- ИНТЕРПРЕТАЦИЯ РЕЗУЛЬТАТОВ ---")
print(f"С вероятностью 95% истинное среднее значение задержки ") print(f"С вероятностью 95% истинное среднее значение задержки ")
print(f"находится в интервале от {results['ci_lower']:.2f} до {results['ci_upper']:.2f} мс.") print(
f"находится в интервале от {results['ci_lower']:.2f} до {results['ci_upper']:.2f} мс.")
print(f"Это означает, что если бы мы повторили эксперимент много раз,") print(f"Это означает, что если бы мы повторили эксперимент много раз,")
print(f"95% вычисленных таким образом интервалов содержали бы истинное среднее значение.") print(f"95% вычисленных таким образом интервалов содержали бы истинное среднее значение.")