"""
MODULE: DATA INJECTOR (FLUX CONTINU)
====================================
Responsabilité : Injection contrôlée de nouveaux lots de données.
Mode : Append (Ajout à la suite sans écraser).
Style : Professionnel (Sans Emoji).
"""

import pandas as pd
import numpy as np
import datetime as dt
from faker import Faker
import streamlit as st
import random

class DataInjector:
    def __init__(self, client, sheet_name):
        self.client = client
        self.sheet_name = sheet_name
        self.fake = Faker("fr_FR")
        # Services de l'hôpital
        self.svc_codes = ["URG", "MED", "PED", "REA", "INF", "ISO", "CAR", "NEU", "TRA"]

    def _append_to_sheet(self, df, worksheet_name):
        """Ajoute les données à la suite des lignes existantes dans Google Sheets"""
        try:
            sh = self.client.open(self.sheet_name)
            worksheet = sh.worksheet(worksheet_name)
            
            # Conversion en string pour l'API Google Sheets
            df_export = df.copy()
            for col in df_export.select_dtypes(include=['datetime64', 'object', 'datetimetz']).columns:
                df_export[col] = df_export[col].astype(str)
            
            # Extraction des valeurs brutes
            values = df_export.values.tolist()
            
            # Appel API
            worksheet.append_rows(values)
            return True
        except Exception as e:
            st.error(f"Erreur lors de l'ajout dans '{worksheet_name}': {e}")
            return False

    def generate_batch(self, days=7):
        """
        Génère un lot de données pour X jours.
        Volume estimé pour 7 jours : ~63 lignes Ressources + ~400 lignes Admissions + Stocks.
        """
        # On simule à partir d'aujourd'hui pour avoir des données "fraîches"
        start_date = dt.date.today()
        dates = pd.date_range(start_date, periods=days, freq="D")
        
        # 1. SCÉNARIOS (Météo/Épidémie)
        scen_rows = []
        for d in dates:
            # Petit hasard pour rendre ça vivant
            r = np.random.random()
            if r < 0.1: sc = "Grippe"
            elif r < 0.05: sc = "Canicule"
            else: sc = "Normal"
            scen_rows.append({"date": d, "scenario": sc, "intensity": 1 if sc != "Normal" else 0})
        df_scen = pd.DataFrame(scen_rows)

        # 2. ADMISSIONS (Le flux patients)
        adm_rows = []
        for d in dates:
            for svc in self.svc_codes:
                # Variation aléatoire pour tester la sensibilité de l'IA
                n_patients = np.random.poisson(lam=random.randint(3, 12))
                adm_rows.append({
                    "date": d,
                    "service_code": svc,
                    "nb_admissions": n_patients
                })
        df_adm = pd.DataFrame(adm_rows)

        # 3. RESSOURCES (L'état des lits)
        res_rows = []
        for d in dates:
            for svc in self.svc_codes:
                # Simulation d'une occupation variable
                lits_tot = 150
                occup = np.random.randint(80, 155) # Parfois ça déborde (>150)
                
                # Injection d'anomalies pour tester le module DQ
                is_anomaly = 1 if occup > lits_tot else 0
                anomaly_type = "suroccupation" if is_anomaly else None
                
                res_rows.append({
                    "date": d,
                    "service_code": svc,
                    "lits_total": lits_tot,
                    "lits_occupes": occup,
                    "personnel_disponible": np.random.randint(20, 35),
                    "personnel_requis": 30,
                    "taux_occupation": round(occup/lits_tot, 2),
                    "dq_is_anomaly": is_anomaly,
                    "dq_anomaly_type": anomaly_type
                })
        df_res = pd.DataFrame(res_rows)

        return df_scen, df_adm, df_res

    def run(self, days_to_add):
        scen, adm, res = self.generate_batch(days=days_to_add)
        
        total_rows = len(scen) + len(adm) + len(res)
        
        with st.status(f"Injection de {total_rows} nouvelles lignes...", expanded=True) as status:
            st.write("Ajout au calendrier...")
            self._append_to_sheet(scen, "scenarios_calendrier")
            
            st.write(f"Ajout : {len(adm)} admissions...")
            self._append_to_sheet(adm, "admissions_jour")
            
            st.write(f"Ajout : {len(res)} relevés de ressources...")
            self._append_to_sheet(res, "ressources_jour")
            
            status.update(label="Injection terminée !", state="complete")
            
        return total_rows

# --- INTERFACE ---
def show_data_injector(client, sheet_name):
    
    st.markdown("## INJECTEUR DE FLUX (LIVE TEST)")
    st.caption("Ajoute des données récentes pour tester la réaction de l'IA et du Dashboard.")

    col1, col2 = st.columns([2, 1])
    
    with col1:
        days = st.slider("Jours à simuler", min_value=1, max_value=14, value=7, 
                         help="7 jours génèrent environ 500 nouvelles lignes.")
    
    with col2:
        # Estimation du volume
        st.metric("Volume estimé", f"~{days * 9 * 6} lignes", delta="Nouveaux cas")

    # MODIFICATION ICI : Suppression de type='primary' pour éviter la couleur rouge
    if st.button("Injecter les données maintenant"):
        injector = DataInjector(client, sheet_name)
        count = injector.run(days)
        
        st.success(f"Opération réussie. {count} nouvelles lignes ont été ajoutées à la base.")
        st.warning("Note : Relancez l'ETL (Feature Engineering) pour que l'IA prenne en compte ces nouvelles données.")