# -*- coding: utf-8 -*-
"""
logic.py — Misma logica de analisis que main.py (FastAPI), adaptada para
ejecutarse dentro del navegador via Pyodide en la version estatica.
"""
import io
import json
import numpy as np
import pandas as pd

import conditions_core as cc

UNIDADES = {"temp_ambiente": "C", "punto_rocio": "C", "presion": "hPa"}
SERIES = ["humedad", "viento", "margen_rocio", "temp_ambiente", "punto_rocio", "presion"]


def _limpiar(o):
    if isinstance(o, dict):
        return {k: _limpiar(v) for k, v in o.items()}
    if isinstance(o, (list, tuple)):
        return [_limpiar(v) for v in o]
    if isinstance(o, (np.floating,)):
        return float(o)
    if isinstance(o, (np.integer,)):
        return int(o)
    if isinstance(o, (np.bool_,)):
        return bool(o)
    if isinstance(o, float) and not np.isfinite(o):
        return None
    if isinstance(o, float):
        return round(o, 4)
    return o


def analizar(dfn, fuente, avisos, mapa):
    estados = cc.evaluar(dfn)
    inc = cc.diagnosticar(estados)
    informe = cc.generar_informe(inc, mapa)
    est_por = {e["sensor"]: e for e in estados}

    t = [round(float(x), 4) for x in dfn["t_horas"].tolist()]
    sensores = {}
    for v in SERIES:
        if v in dfn.columns:
            y = dfn[v].to_numpy(dtype=float)
            if not np.isfinite(y).any():
                continue
            y_disp = pd.Series(y).interpolate(limit_direction="both").to_numpy()
            lim = cc.LIMITES.get(v, {})
            sensores[v] = {
                "valores": [round(float(x), 3) for x in y_disp],
                "anomalias": cc.detectar_anomalias(y_disp).tolist(),
                "actual": round(float(y_disp[-1]), 2),
                "unidad": lim.get("unidad", UNIDADES.get(v, "")),
                "aviso": lim.get("aviso"),
                "critico": lim.get("critico"),
                "dir": lim.get("dir", "up"),
                "nivel": est_por.get(v, {}).get("nivel", "ok"),
                "etiqueta": cc.ETIQUETAS.get(v, v),
            }

    nivel_global = ("critico" if any(i["nivel"] == "critico" for i in inc)
                    else "aviso" if inc else "ok")
    return _limpiar({
        "fuente": fuente,
        "avisos": avisos,
        "columnas_detectadas": mapa,
        "t": t,
        "sensores": sensores,
        "incidencias": inc,
        "informe": informe,
        "nivel_global": nivel_global,
        "n_incidencias": len(inc),
        "n_muestras": len(dfn),
    })


def analizar_muestra(csv_texto):
    df = pd.read_csv(io.StringIO(csv_texto))
    dfn, mapa, avisos = cc.normalizar(df)
    return json.dumps(analizar(dfn, "Muestra (formato tipo ESO)", avisos, mapa))


def analizar_subida(csv_texto, nombre):
    try:
        df = pd.read_csv(io.StringIO(csv_texto))
    except Exception as exc:
        return json.dumps({"error": f"No se pudo leer el CSV: {exc}"})
    if len(df) < 5:
        return json.dumps({"error": "El CSV tiene muy pocas filas."})
    dfn, mapa, avisos = cc.normalizar(df)
    if not any(v in dfn.columns for v in ["humedad", "viento", "temp_ambiente"]):
        return json.dumps({"error": "No se reconocio ninguna columna de humedad, viento o temperatura."})
    return json.dumps(analizar(dfn, nombre, avisos, mapa))