import pandas as pd
from pathlib import Path

import matplotlib.pyplot as plt

def procesar_archivo_txt(ruta_archivo):
    try:
        ruta = Path(ruta_archivo)
        if not ruta.is_file():
            raise FileNotFoundError(f"La ruta '{ruta_archivo}' no apunta a un archivo válido.")

        # Leer todas las líneas del archivo
        with open(ruta, 'r') as archivo:
            lineas = archivo.readlines()

        # Buscar la cabecera (línea que comienza con 'Sample Index')
        for i, linea in enumerate(lineas):
            if linea.startswith("Sample Index"):
                inicio_datos = i
                break
        else:
            raise ValueError("No se encontró la cabecera en el archivo.")

        # Leer los datos desde la cabecera utilizando pandas
        datos = pd.read_csv(ruta, skiprows=inicio_datos)

        # Convertir columnas a numéricas donde sea posible
        for columna in datos.columns:
            try:
                datos[columna] = pd.to_numeric(datos[columna], errors='coerce')
            except Exception as e:
                print(f"Error al convertir la columna '{columna}': {e}")

        return datos

    except FileNotFoundError as e:
        print(f"Archivo no encontrado: {e}")
    except PermissionError as e:
        print(f"Permiso denegado: {e}")
    except ValueError as e:
        print(f"Error de formato en el archivo: {e}")
    except Exception as e:
        print(f"Error procesando el archivo: {e}")

# Ruta al archivo
ruta = r"C:\Users\lumon\Desktop\OpenBCI-RAW-2024-10-10_17-56-37.txt"
df = procesar_archivo_txt(ruta)

if df is not None:
    print(df.columns)

def graficar_datos(df):
    # Eliminar espacios extra en los nombres de las columnas
    df.columns = df.columns.str.strip()

    # Verificar si la columna 'Timestamp' está presente
    if 'Timestamp' not in df.columns:
        print("La columna 'Timestamp' no se encuentra en el archivo.")
        return

    # Si el archivo tiene un Timestamp y lo queremos graficar, convertir a formato datetime
    df['Timestamp'] = pd.to_datetime(df['Timestamp'], errors='coerce')  # Convertir a datetime

    # Graficar algunos canales de EXG en función del tiempo
    plt.figure(figsize=(12, 6))

    # Graficar EXG Channel 0, 1, 2
    plt.plot(df['Timestamp'], df['EXG Channel 0'], label='EXG Channel 0')
    plt.plot(df['Timestamp'], df['EXG Channel 1'], label='EXG Channel 1')
    plt.plot(df['Timestamp'], df['EXG Channel 2'], label='EXG Channel 2')
    plt.plot(df['Timestamp'], df['EXG Channel 3'], label='EXG Channel 3')
    plt.plot(df['Timestamp'], df['EXG Channel 4'], label='EXG Channel 4')
    plt.plot(df['Timestamp'], df['EXG Channel 5'], label='EXG Channel 5')
    plt.plot(df['Timestamp'], df['EXG Channel 6'], label='EXG Channel 6')
    plt.plot(df['Timestamp'], df['EXG Channel 7'], label='EXG Channel 7')
    plt.plot(df['Timestamp'], df['EXG Channel 8'], label='EXG Channel 8')
    plt.plot(df['Timestamp'], df['EXG Channel 9'], label='EXG Channel 9')
    plt.plot(df['Timestamp'], df['EXG Channel 10'], label='EXG Channel 10')
    plt.plot(df['Timestamp'], df['EXG Channel 11'], label='EXG Channel 11')
    plt.plot(df['Timestamp'], df['EXG Channel 12'], label='EXG Channel 12')
    plt.plot(df['Timestamp'], df['EXG Channel 13'], label='EXG Channel 13')
    plt.plot(df['Timestamp'], df['EXG Channel 14'], label='EXG Channel 14')
    plt.plot(df['Timestamp'], df['EXG Channel 15'], label='EXG Channel 15')


    # Títulos y etiquetas
    plt.title("Señales de Canales EXG a lo largo del Tiempo")
    plt.xlabel("Tiempo (Timestamp)")
    plt.ylabel("Valor de la señal (µV)")

    # Agregar leyenda
    plt.legend()

    # Mejorar el formato de las fechas en el eje X
    plt.xticks(rotation=45)

    # Mostrar la gráfica
    plt.tight_layout()
    plt.show()

# Supongamos que df es el DataFrame procesado anteriormente
if df is not None:
    graficar_datos(df)