#D最適な実験計画をピックアップするコードです

import pandas as pd
import numpy as np
import random

number_of_selecting_samples=15 #選択するサンプル数
number_of_random_searches=10000 #ランダムにサンプルを選択してD最適基準を計算する繰り返し数

df=pd.read_csv('DOE_test.csv',index_col=0,header=0,encoding='cp932') #データの読み込み

#実験条件の候補のインデックスの作成
all_indexs=list(range(df.shape[0]))

np.random.seed(11) #乱数を生成するためのシードを固定
for random_serch_number in range(number_of_random_searches):
    #1.ランダムに候補を選択
    new_selected_indexs=random.sample(all_indexs,number_of_selecting_samples)
    new_selected_samples=df.iloc[new_selected_indexs,:]
    
    #2.オートスケーリングした後にD最適基準を計算
    autoscaled_new_selected_samples=(new_selected_samples-new_selected_samples.mean())/new_selected_samples.std()
    xt_x=np.dot(autoscaled_new_selected_samples.T,autoscaled_new_selected_samples) #転置行列と行列の内積を求める
    d_optimal_value=np.linalg.det(xt_x) #内積の行列式を求める。これがD最適基準値
    
    #3.D最適基準が前回までの最大値を上回ったら、選択された候補を更新
    if random_serch_number==0:
        best_d_optimal_value=d_optimal_value.copy()
        selected_sample_indexs=new_selected_indexs.copy()
    else:
        if best_d_optimal_value < d_optimal_value:
            best_d_optimal_value=d_optimal_value.copy()
            selected_sample_indexs=new_selected_indexs.copy()

selected_samples_indexs=list(selected_sample_indexs) #リスト型に変換

#選択されたサンプル
selected_samples=df.iloc[selected_samples_indexs,:]

#保存
selected_samples.to_csv('selected_samples.csv')

#相関行列の確認 対角線上以外が0に近いか確認する事
print(selected_samples.corr())
r_selected_samples=selected_samples.corr()