EquationMiner/tests/test_report.py

"""Forma del report.md e dei grafici su un CSV sintetico (nessun file esterno)."""

import numpy as np
from conftest import scrivi_csv, segnale

from fitseg import cli


def esegui(tmp_path, gradini):
    t, serie = segnale(gradini=gradini, durata=80.0)
    csv = tmp_path / "sint.csv"
    scrivi_csv(csv, t, serie)
    cli.main(["--output", str(tmp_path / "out"), "analizza", str(csv)])
    return (tmp_path / "out/sint/03_report/report.md").read_text(), tmp_path / "out/sint/02_sovrapposizione"


def test_dominio_indeterminato_senza_ripetizioni_e_con_il_minimo(tmp_path):
    report, _ = esegui(tmp_path, [(20.0, 80.0), (20.5, 60.0)])  # tratto intermedio di 1-2 campioni
    assert "indeterminato: indeterminato" not in report and "Indeterminato** — indeterminato" not in report
    assert "meno del minimo 4 (`n_min_punti_parametri_fissi`)" in report


def test_costante_senza_r2_e_senza_zero_negativo(tmp_path):
    report, _ = esegui(tmp_path, [(20.0, 80.0)])
    assert "-0.0000" not in report
    dettaglio = report.split("### Dominio 1")[1].split("### Dominio 2")[0]
    assert "`costante`" in dettaglio and "R^2" not in dettaglio  # R² non ha senso per un modello costante
    assert "R^2 = " in report  # ma c'è per l'esponenziale


def test_intervallo_del_dominio_include_l_ultimo_campione(tmp_path):
    report, _ = esegui(tmp_path, [(20.0, 80.0)])
    assert r"\le t \le" in report and r"\le t <" not in report


def test_salto_stimato_dai_modelli_nel_report(tmp_path):
    report, _ = esegui(tmp_path, [(20.0, 80.0)])
    assert "stimato dai modelli adiacenti (misurato sui campioni:" in report


def test_motivo_con_un_solo_modello_senza_parsimonia(tmp_path):
    report, _ = esegui(tmp_path, [(20.0, 80.0)])
    finale = report.split("### Dominio 3")[1]
    assert "1/1 modelli validi" in finale and "meno parametri" not in finale


def test_grafico_indeterminato_senza_pannello_residui(tmp_path):
    _, cartella = esegui(tmp_path, [(20.0, 80.0), (20.5, 60.0)])
    from PIL import Image  # matplotlib dipende già da Pillow
    larghezza, altezza = Image.open(cartella / "dominio3_T_C.png").size
    assert altezza / larghezza < 0.55  # un solo pannello (9×4.2), non due (9×6)
    larghezza, altezza = Image.open(cartella / "dominio7_T_C.png").size if (cartella / "dominio7_T_C.png").exists() else (1, 1)
    assert np.isfinite(altezza / larghezza)


def test_risultati_json_e_json_valido_anche_con_domini_indeterminati(tmp_path):
    import json
    esegui(tmp_path, [(20.0, 80.0), (20.5, 60.0)])  # tratto intermedio con meno di 4 campioni: σ non stimabile
    testo = (tmp_path / "out/sint/03_report/risultati.json").read_text()

    def rifiuta(costante):
        raise ValueError(f"costante non ammessa in JSON: {costante}")
    dati = json.loads(testo, parse_constant=rifiuta)  # NaN / Infinity farebbero fallire
    assert any(v["sigma"] is None for r in dati for v in r["serie"].values())


def test_senza_nan():
    from fitseg.uscita import _senza_nan
    assert _senza_nan({"a": float("nan"), "b": [1.0, float("inf")], "c": {"d": 2}}) == {"a": None, "b": [1.0, None], "c": {"d": 2}}


def test_report_mostra_la_scala_robusta_dei_residui(tmp_path):
    report, _ = esegui(tmp_path, [(20.0, 80.0)])
    assert r"\hat\sigma_\text{res}" in report and "1.4826" in report


def test_equazione_lineare_con_segno():
    from fitseg.uscita import _eq_numerica
    fit = {"modello": "lineare", "parametri": {"a": 20.0, "b": -0.5}}
    assert _eq_numerica(fit) == r"y = 20 - 0.5\,t'"
    assert _eq_numerica({"modello": "lineare", "parametri": {"a": 20.0, "b": 0.25}}) == r"y = 20 + 0.25\,t'"


def test_salto_solo_misurato_nel_report():
    from fitseg.uscita import _salto
    g = {"n": 3, "durata_s": 0.3, "stima": "misura", "delta": 70.0, "delta_misurato": 70.0}
    testo = _salto({"gradino": g})
    assert "misurato sui campioni" in testo and "modelli adiacenti non disponibili" in testo and testo.count("$") % 2 == 0


def test_grafici_con_campioni_esclusi_e_modelli_alternativi(tmp_path):
    # riposo con deriva (costante, lineare ed esponenziale validi → curve tratteggiate) e scarta_dopo_salto_n > 0 (campioni grigi)
    from conftest import RADICE
    testo = (RADICE / "config.toml").read_text().replace("scarta_dopo_salto_n = 0", "scarta_dopo_salto_n = 2")
    (tmp_path / "c.toml").write_text(testo)
    t, serie = segnale(gradini=[(40.0, 70.0)], durata=80.0, rumore=0.3)
    deriva = 0.02 * t
    serie = {"T_C": serie["T_C"] + deriva, "dT_C": serie["dT_C"] + deriva}
    csv = tmp_path / "sint.csv"
    scrivi_csv(csv, t, serie)
    cli.main(["--config", str(tmp_path / "c.toml"), "--output", str(tmp_path / "out"), "analizza", str(csv)])
    cartella = tmp_path / "out/sint/02_sovrapposizione"
    assert (cartella / "dominio1_T_C.png").stat().st_size > 0 and (cartella / "dominio3_T_C.png").stat().st_size > 0