import plotly.io as pio
import plotly.graph_objects as go
import pandas as pd
import numpy as np

# 設置plotly默認主題，白色主題
pio.templates.default = 'plotly_white'

# x坐標
x = np.arange(1, 1001)

# 生成y軸數據，并添加隨機波動
y1 = np.log(x)
indexs = np.random.randint(0, 1000, 800)
for index in indexs:
    y1[index] += np.random.rand() - 0.5
y1 = y1 + 0.2

y2 = np.log(x)
indexs = np.random.randint(0, 1000, 800)
for index in indexs:
    y2[index] += np.random.rand() - 0.5

y3 = np.log(x)
indexs = np.random.randint(0, 1000, 800)
for index in indexs:
    y3[index] += np.random.rand() - 0.5
y3 = y3 - 0.2

class LocalZoomPlot:
    def __init__(self, x, y, colors, x_range, scale=0.):
        """
        :param x: x軸坐標，列表類型
        :param y: y軸坐標，二維列表類型，例如 [y1, y2, y3]
        :param colors: 每個曲線的顏色，必須與 len(y) 相等
        :param x_range: 需要縮放區域的x軸范圍
        :param scale: 詳見 getRangeMinMaxValue 函數
        """
        self.x = x
        self.y = y
        self.colors = colors
        self.x_range = x_range
        self.y_range = self.getRangeMinMaxValue(x_range, scale)
    
    def getRangeMinMaxValue(self, x_range, scale=0.):
        """
        獲取指定x軸范圍內，所有y數據的最大值和最小值

        :param x_range: 期望局部放大的x軸范圍
        :param scale: 將最大值和最小值向兩側延伸一定距離
        """
        min_value = np.min([np.min(arr[x_range[0]:x_range[1]]) for arr in self.y])
        max_value = np.max([np.max(arr[x_range[0]:x_range[1]]) for arr in self.y])
        # 按一定比例縮放
        min_value = min_value - (max_value - min_value) * scale
        max_value = max_value + (max_value - min_value) * scale
        # 返回縮放后的結果
        return min_value, max_value
    
    def originPlot(self, fig, **kwargs):
        """
        根據 y 數據繪制初始折線圖

        :param fig: go.Figure實例
        """
        fig.add_traces([
            go.Scatter(x=self.x, y=arr, opacity=0.7, marker_color=self.colors[i], **kwargs)
            for i, arr in enumerate(self.y)
        ]) 
        return fig

    def insetPlot(self, fig, inset_axes):
        """
        在原始圖像上插入嵌入圖

        :param fig: go.Figure對象實例
        :param inset_axes: 嵌入圖的位置和大小 [左下角的x軸位置, 左下角的y軸位置, 寬度, 高度]
          所有坐標都是絕對坐標(0~1之間)
        """
        # 使用創建子圖中的嵌入圖參數，創建一個嵌入圖
        fig = fig.set_subplots(insets=[dict(
            type='xy',
            l=inset_axes[0], b=inset_axes[1],
            w=inset_axes[2], h=inset_axes[3],
        )])
	    # 嵌入圖與原始圖的繪畫一致，需要指定 xaxis 和 yaxis 參數確保是在嵌入圖上繪畫的
        fig = self.originPlot(fig, xaxis='x2', yaxis='y2', showlegend=False)
        # 將嵌入圖的坐標軸范圍限定在指定范圍
        fig.update_layout(
            xaxis2=dict(range=self.x_range),
            yaxis2=dict(range=self.y_range)
        )
        return fig
    
    def rectOriginArea(self, fig):
        """
        將放大的區域框起來

        :param fig: go.Figure實例
        """
        fig.add_trace(go.Scatter(
        	# 從左上角開始，順時針連線
            x=np.array(self.x_range)[[0, 1, 1, 0, 0]],
            y=np.array(self.y_range)[[1, 1, 0, 0, 1]],
            mode='lines', 
            line={'color': '#737473', 'dash': 'dash', 'width': 3},
            showlegend=False
        ))
        return fig

    def addConnectLine(self, fig, area_point_num, point):
        """
        從放大區域指定點連線

        :param fig: go.Figure實例
        :param area_point_num: 放大區域的錨點，例如：(0, 0)表示放大區域的左下角坐標，(0, 1)表示左上角坐標，
          (1, 0)表示右下角坐標，(1, 1)表示右上角坐標，只能取這四種情況
        :param point: 要進行連線的另一個點，通常位于嵌入圖附近，根據美觀程度自行指定
        """
        fig.add_shape(type='line', 
            x0=self.x_range[area_point_num[0]], 
            y0=self.y_range[area_point_num[1]],
            x1=point[0], y1=point[1],
            line={'color': '#737473', 'dash': 'dash', 'width': 1},
        )
        return fig

plot = LocalZoomPlot(x, [y1, y2, y3], ['#f0bc94', '#7fe2b3', '#cba0e6'], (100, 150), 0.)
fig = go.Figure()

fig = plot.originPlot(fig)
fig = plot.insetPlot(fig, (0.4, 0.2, 0.4, 0.3))
fig = plot.rectOriginArea(fig)
fig = plot.addConnectLine(fig, (0, 0), (420, -0.7))
fig = plot.addConnectLine(fig, (1, 1), (900, 2.7))

# 額外對圖片進行設置
fig.update_layout(
    width=800, height=600,
    xaxis=dict(
        rangemode='tozero',
        showgrid=False,
        zeroline=False,
    ),
    xaxis2=dict(
        showgrid=False,
        zeroline=False
    ),
)

fig.show()