from pathlib import Path
import numpy as np
import pandas as pd

ENTRADA = Path("datos/externos")
SALIDA = Path("datos/peso/externo.csv")

# EDITA ESTO tras la primera ejecución, cuando veas los nombres de columnas
COL = {"peso": None, "largo": None, "ancho": None, "material": None}
A_GRAMOS = 1.0   # libras = 453.592 | kg = 1000 | gramos = 1
A_CM = 1.0       # pulgadas = 2.54 | cm = 1

def leer(p):
    s = p.suffix.lower()
    if s == ".parquet":
        return pd.read_parquet(p)
    if s == ".csv":
        return pd.read_csv(p)
    if s in (".json", ".jsonl"):
        return pd.read_json(p, lines=(s == ".jsonl"))
    return None

tablas = []
for p in sorted(ENTRADA.rglob("*")):
    if p.is_file():
        t = leer(p)
        if t is not None:
            print("Leído:", p, t.shape)
            tablas.append(t)
if not tablas:
    raise SystemExit("No hay archivos .csv/.parquet/.json en datos/externos")

df = pd.concat(tablas, ignore_index=True)
if not all(COL.values()):
    print("\nColumnas disponibles:", list(df.columns))
    print(df.head(3).T)
    raise SystemExit("\nEdita COL (y las unidades) en este script y vuelve a ejecutarlo.")

def primero(v):
    if isinstance(v, str):
        return v.lower()
    if hasattr(v, "__len__") and len(v) > 0:
        return str(v[0]).lower()
    return "otro"

peso = pd.to_numeric(df[COL["peso"]], errors="coerce") * A_GRAMOS
a = pd.to_numeric(df[COL["largo"]], errors="coerce") * A_CM
b = pd.to_numeric(df[COL["ancho"]], errors="coerce") * A_CM
out = pd.DataFrame({
    "foto": "externo",
    "sesion": "externo",
    "tipo_objeto": "externo",
    "material": df[COL["material"]].apply(primero),
    "n_piezas": 1,
    "area_cm2_total": a * b,
    "largo_cm_medio": np.maximum(a, b),
    "ancho_cm_medio": np.minimum(a, b),
    "largo_cm_max": np.maximum(a, b),
    "peso_real_g": peso,
}).replace([np.inf, -np.inf], np.nan).dropna()
out = out[(out.peso_real_g > 0) & (out.largo_cm_medio > 0) & (out.ancho_cm_medio > 0)]
out.to_csv(SALIDA, index=False)
print("Filas guardadas:", len(out), "->", SALIDA)