import argparse
import pandas as pd

def analyze_candlestick_data(file_path):
    # 读取feather文件
    df = pd.read_feather(file_path)

    # 查看数据集行数和列数
    rows, columns = df.shape

    if rows < 1000:
        # 短表数据（行数少于500）查看全量数据信息
        print('数据全部内容信息：')
        print(df.to_csv(sep='\t', na_rep='nan'))
    else:
        # 长表数据查看数据前几行信息
        print('数据前几行内容信息：')
        print(df.head().to_csv(sep='\t', na_rep='nan'))

        # 查看数据最后几行信息
        print('数据最后几行内容信息：')
        print(df.tail().to_csv(sep='\t', na_rep='nan'))

    # 查看数据的基本信息
    print('数据基本信息：')
    df.info()

    # 查看数据集行数和列数
    rows, columns = df.shape

    if columns < 10 and rows < 500:
        # 短表窄数据（列少于10且行数少于500）查看全量统计信息
        print('数据全部内容描述性统计信息：')
        print(df.describe(include='all', percentiles=[.25, .5, .75]).to_csv(sep='\t', na_rep='nan'))
    else:
        # 长表数据查看数据前几行统计信息
        print('数据前几行描述性统计信息：')
        print(df.head().describe(include='all', percentiles=[.25, .5, .75]).to_csv(sep='\t', na_rep='nan'))

    # 计算时间跨度
    min_date = df['date'].min()
    max_date = df['date'].max()
    time_span = max_date - min_date

    # 检查时间序列完整性
    df = df.sort_values('date')  # 确保数据按时间排序
    df['time_diff'] = df['date'].diff().dt.total_seconds()  # 计算相邻时间点的差值(秒)
    expected_freq = df['time_diff'].mode()[0]  # 使用最常见的间隔作为预期频率
    missing_intervals = df[df['time_diff'] > expected_freq]  # 找出间隔大于预期的位置

    print(f"\n数据时间跨度：{time_span}")
    print(f"开始时间：{min_date}")
    print(f"结束时间：{max_date}")

    if missing_intervals.empty:
        print("数据完整性：完整，未发现缺失的蜡烛图数据")
    else:
        print(f"数据完整性：不完整，发现 {len(missing_intervals)} 处可能的缺失")
        print("缺失位置示例：")
        for _, row in missing_intervals.head(5).iterrows():  # 显示前5个缺失示例
            gap_duration = pd.Timedelta(seconds=row['time_diff'])
            print(f"  - 在 {row['date']} 之前缺失了 {gap_duration}")

if __name__ == "__main__":
    parser = argparse.ArgumentParser(description='分析Freqtrade蜡烛图Feather文件')
    parser.add_argument('--path', required=True, help='Feather文件路径')
    args = parser.parse_args()
    
    analyze_candlestick_data(args.path)