import numpy as np
import pandas as pd
import random, os

def valores_objetivo(archivo, material):
    carga = pd.read_excel(archivo, sheet_name='carga', engine='openpyxl').dropna()

    E = np.mean(carga.loc[carga['material'] == material, ['V1', 'V2']].values, axis=1)
    I = np.mean(carga.loc[carga['material'] == material, ['I1', 'I2']].values, axis=1)
    f = np.array(carga['f'][carga['material'] == material])
    
    return E, I, f


def generar_curva(offset):
    muVacio = 4 * np.pi * 1e-7

    hPos = np.arange(1,5001,1)
    hNeg = np.arange(-5000,0,1)
    
    bPos = muVacio*hPos + offset
    bNeg = muVacio*hNeg - offset

    h = np.concatenate((hNeg, hPos))
    b = np.concatenate((bNeg, bPos))

    datos = np.column_stack((h,b))
    np.savetxt('curva.csv', datos, delimiter=',')


def logica_offset(offset, error, errorObjetivo):
    '''
    Coge el offset, error actual y lo analiza.

    devuelve flag y offset nuevo

    si se cumple la condicion devuelve 
    un True y None para offset

    '''

    limSup = 1 + errorObjetivo
    limInf = 1 - errorObjetivo

    delta = random.random()/100

    if error <= limSup and error >= limInf: return True, None
    
    if error > 1: offset = offset - delta
    elif error < 1: offset = offset + delta

    return False, offset