# Mając skumulowane wartości metryk z wszystkich dotychczasowych buildów, 
# stwórz wykres: na osi X numer builda, na osi Y wartość metryk(i)

import pandas as pd
import matplotlib.pyplot as plt

# wczytanie pliku csv z metrykami
metrics_df = pd.read_csv('metrics.csv')

# Podział wartości
build_numbers = metrics_df['Build Number']
accuracy_values = metrics_df['Accuracy']
precision_values = metrics_df['Micro-avg Precision']
recall_values = metrics_df['Micro-avg Recall']
f1_score_values = metrics_df['F1 Score']
rmse_values = metrics_df['RMSE']

# Plotowanie wykresu
plt.plot(build_numbers, accuracy_values, label='Accuracy')
plt.plot(build_numbers, precision_values, label='Micro-avg Precision')
plt.plot(build_numbers, recall_values, label='Micro-avg Recall')
plt.plot(build_numbers, f1_score_values, label='F1 Score')
plt.plot(build_numbers, rmse_values, label='RMSE')

plt.legend()
plt.xlabel('Build number')
plt.ylabel('Value metric')

plt.savefig('metrics_chart_plot.png')

plt.show()